XCoref：真实场景下的跨文档共指消解
计算与语言
2021-09-14 v1
摘要
现有的跨文档共指消解（CDCR）数据集与方法聚焦于具有严格共指关系的事件或实体。然而，它们缺乏对新闻报道争议性和极化事件时可能出现的更抽象或松散关系的共指提及进行标注与消解。桥接与松散共指关系会引发关联，可能通过措辞与标签使新闻读者暴露于偏见之中。例如，“美国总统唐纳德·特朗普与金正恩之间的直接会谈”的共指提及，如“数月激烈言辞后的非凡会晤”或“解决世界问题的绝佳机会”，会形成对该事件更积极的认知。提高对措辞与标签偏见意识的一步，是可靠地消解具有高词汇多样性的共指。我们提出一种名为 XCoref 的无监督方法，它是一种 CDCR 方法，不仅能够消解先前常见的实体（如人物“唐纳德·特朗普”），也能消解抽象定义的概念（如人群“移民车队”）、事件与动作（如“向美国边境行进”）。在一项广泛评估中，我们将提出的 XCoref 与最先进的 CDCR 方法及先前可消解此类复杂共指关系的 TCA 方法进行比较，发现 XCoref 优于这些方法。超越已建立的 CDCR 模型表明，新的 CDCR 模型需要在具有更松散共指关系的语义复杂提及上接受评估，以表明其应用于政治新闻文章“野外”提及消解的能力。
引用
@article{arxiv.2109.05252,
title = {XCoref: Cross-document Coreference Resolution in the Wild},
author = {Anastasia Zhukova and Felix Hamborg and Karsten Donnay and Bela Gipp},
journal= {arXiv preprint arXiv:2109.05252},
year = {2021}
}