利用对抗域适应实现开放域事件触发词识别
计算与语言
2020-05-26 v1
摘要
我们致力于构建能够跨领域更好泛化的监督事件触发词识别模型。我们的工作利用对抗域适应 (ADA) 框架来引入域不变性。ADA 使用对抗训练来构建对触发词识别具有预测性，但对样本所属领域不具有预测性的表示。它不需要来自目标领域的任何标记数据，使其完全无监督。在两个领域（英语文学和新闻）上的实验表明，ADA 使得域外数据的平均 F1 分数提高了 3.9。我们表现最佳的模型 (BERT-A) 在两个领域上均达到了 44-49 的 F1 分数，且未使用任何目标领域标记数据。初步实验表明，在 1% 的标记数据上进行微调，然后进行自训练，可以带来显著提升，在文学和新闻领域分别达到 51.5 和 67.2 的 F1 分数。
引用
@article{arxiv.2005.11355,
title = {Towards Open Domain Event Trigger Identification using Adversarial Domain Adaptation},
author = {Aakanksha Naik and Carolyn Rosé},
journal= {arXiv preprint arXiv:2005.11355},
year = {2020}
}
备注
To appear at ACL 2020