Yseop在SemEval-2020任务5中的系统：用于反事实语句分析的级联BERT语言模型
计算与语言
2020-11-16 v2 机器学习
摘要
在本文中，我们探索了检测和评估反事实句子的策略。我们描述了用于SemEval-2020任务5（建模语言中的因果推理：检测反事实）的系统。我们对分类任务使用BERT base模型，并构建了一个混合BERT多层感知机系统来处理序列识别任务。我们的实验表明，虽然在分类任务中引入句法和语义特征对系统改进甚微，但将这些类型的特征作为级联线性输入以微调模型的序列定界能力，可确保其在第二个任务中优于其他类似用途的复杂系统（如BiLSTM-CRF）。我们的系统在任务1中取得了85.00%的F1分数，在任务2中取得了83.90%的F1分数。
引用
@article{arxiv.2005.08519,
title = {Yseop at SemEval-2020 Task 5: Cascaded BERT Language Model for Counterfactual Statement Analysis},
author = {Hanna Abi Akl and Dominique Mariko and Estelle Labidurie},
journal= {arXiv preprint arXiv:2005.08519},
year = {2020}
}