XLTime：面向时间表达式提取的跨语言知识迁移框架
计算与语言
2022-05-05 v1 机器学习
摘要
时间表达式提取（TEE）对于理解自然语言中的时间至关重要。它在自然语言处理（NLP）任务（如问答、信息检索和因果推断）中有应用。迄今为止，该领域的工作大多聚焦于英语，因为其他语言的标注数据稀缺。我们提出了XLTime，一种新颖的多语言TEE框架。XLTime构建于预训练语言模型之上，并利用多任务学习来提示从英语以及非英语语言内部进行的跨语言知识迁移。XLTime缓解了目标语言数据短缺所引起的问题。我们将XLTime应用于不同的语言模型，并表明其在法语、西班牙语、葡萄牙语和巴斯克语上大幅优于先前的自动SOTA方法。XLTime也显著缩小了与手工构建的HeidelTime方法之间的差距。
引用
@article{arxiv.2205.01757,
title = {XLTime: A Cross-Lingual Knowledge Transfer Framework for Temporal Expression Extraction},
author = {Yuwei Cao and William Groves and Tanay Kumar Saha and Joel R. Tetreault and Alex Jaimes and Hao Peng and Philip S. Yu},
journal= {arXiv preprint arXiv:2205.01757},
year = {2022}
}
备注
This paper is accepted by the Findings of NAACL 2022