追踪过程文本中的状态变化：一个过程段落理解挑战数据集与模型
计算与语言
2018-05-21 v1
摘要
我们提出一个用于理解过程段落（如光合作用）的新数据集与模型，过程文本是描述动态世界的重要文体。新数据集 ProPara 首个包含关于变化世界的自然（非机器生成）文本，并完整标注了这些变化中实体状态（位置与存在）（81k 数据点）。端到端任务——追踪文本中实体的位置与存在——具挑战性，因为动作的因果效应常是隐式的，需推断。我们发现此前在合成数据上表现良好的模型在 ProPara 上仅获平庸性能，并引入两种利用替代机制进行状态预测的新神经模型，特别是使用 LSTM 输入编码与跨度预测。新模型将准确率提升至多 19%。数据集与模型已在 http://data.allenai.org/propara 向社区开放。
引用
@article{arxiv.1805.06975,
title = {Tracking State Changes in Procedural Text: A Challenge Dataset and Models for Process Paragraph Comprehension},
author = {Bhavana Dalvi Mishra and Lifu Huang and Niket Tandon and Wen-tau Yih and Peter Clark},
journal= {arXiv preprint arXiv:1805.06975},
year = {2018}
}
备注
In Proc. NAACL'2018