UIUC_BioNLP在SemEval-2021任务11上的工作：用于结构化文献NLP贡献的级联神经模型
计算与语言
2021-05-13 v1 信息检索
摘要
我们提出一种级联神经模型，通过执行句子分类、短语识别和三元组抽取，自动结构化NLP论文的学术贡献。为识别论文中最重要的贡献句，我们使用带有位置特征的基于BERT的分类器（子任务1）。使用BERT-CRF模型识别并刻画贡献句中的相关短语（子任务2）。我们根据三元组元素在文本中的表达与否及表达方式将其分类为若干类型，并使用独立的基于BERT的分类器以及规则分别处理每种类型（子任务3）。我们的系统在阶段1评测中官方排名第二，在阶段2评测的两个部分均排名第一。在修正阶段1中的一个提交错误后，我们的方法总体上取得了最佳结果。本文除系统描述外，还进一步分析了我们的结果，指出其优势与局限。我们的代码已公开于https://github.com/Liu-Hy/nlp-contrib-graph。
引用
@article{arxiv.2105.05435,
title = {UIUC_BioNLP at SemEval-2021 Task 11: A Cascade of Neural Models for Structuring Scholarly NLP Contributions},
author = {Haoyang Liu and M. Janina Sarol and Halil Kilicoglu},
journal= {arXiv preprint arXiv:2105.05435},
year = {2021}
}