UCD-CS 在 W-NUT 2020 共享任务-3 上的工作：一种面向社交媒体 COVID-19 事件抽取的文本到文本方法
计算与语言
2021-02-19 v2
摘要
本文描述了我们在共享任务“从 Twitter 抽取 COVID-19 事件”中的方法。该任务的目标是从 COVID 相关推文中抽取一组预定义槽填充问题的答案。我们的方法利用基于 Transformer 的 T5 文本到文本模型，将事件抽取任务视为问答任务。根据返回的官方评测分数（即 F1），我们提交的运行相较于其他参与运行取得了有竞争力的性能（前三名）。然而，我们认为该评测可能低估了基于文本生成的运行的实际性能。尽管某些此类运行可能很好地回答了槽问题，但它们可能与标准答案并非精确字符串匹配。为衡量此低估程度，我们采用一种简单的精确答案转换方法，旨在将回答良好的预测转换为精确匹配预测。结果显示，经此转换后，我们的运行总体上达到与最佳参与运行相同的性能水平，并在五个 COVID 相关事件中的三个上达到最先进的 F1 分数。我们的代码已公开以促进可复现性。
引用
@article{arxiv.2009.10047,
title = {UCD-CS at W-NUT 2020 Shared Task-3: A Text to Text Approach for COVID-19 Event Extraction on Social Media},
author = {Congcong Wang and David Lillis},
journal= {arXiv preprint arXiv:2009.10047},
year = {2021}
}
备注
8 pages, 2 figures