EMNLPAug, 2019

WikiCREM: 一个大型无监督语料库用于指代消解

PDF
TL;DR本研究通过引入大小适中，精度高的 WikiCREM 数据集以及基于语言模型的方法，对代词消岐问题进行了研究，并在 GAP、DPR、WNLI、PDP、WinoBias 和 WinoGender 等七个数据集上取得优秀的表现。同时，我们提供了可直接使用的模型以解决代词消岐问题。
pronoun resolutionnatural language understandingdatasetlanguage modelcoreference resolution
发现论文，激发创造
  • CorefDRE：使用指代消解的文档级关系抽取

    本文旨在从多个句子构成的文档中提取关系事实。通过使用异构图构建和核心指代消解处理，作者提出了一个基于图推理网络的注意指代消解的方法来增强语义信息和降低噪声，并在 DocRED，DialogRE 和 MPDD 三个公共数据集上进行了实验，证明其在文档关系抽取领域超越了目前最先进的技术水平。

    Feb, 2022

  • Mind the GAP: 一个性别不明确代词平衡语料库

    该研究介绍了一个包含真实文本挑战的性别平衡标记语料库 GAP，旨在解决自然语言理解中消歧代词的长期难题，并探索各种基线方法，最终表明结构和神经模型提供了有希望的补充线索。

    Oct, 2018

  • 解决难核指代问题

    提出了一种基于谓词模式和受限优化框架的代表性算法，用于解决自然语言理解中的指称消解问题，特别是针对代词的困难实例。该算法通过无监督方式获取知识，编译自动约束，显著提高了 “Winograd-style” 难例的性能，并在标准指称消解数据集上表现出最先进的水平。

    Jul, 2019

  • 通过遮蔽名词短语预测进行无监督代词消解

    该研究提出了遮盖名词短语预测（MNPP）的先训练策略，用于在完全无监督的情况下解决代词消解，实验表明 MNPP 方法在多个代词消解数据集上的表现都优于之前的无监督方法，同时在 WinoGrande-S 和 XS 上进一步微调后也超过 RoBERTa-large 基线。

    May, 2021

  • 知识感知代词指代消解

    本文探索了如何利用不同类型的知识图谱来更好地解决代词共参问题，并提出了一种知识注意力模块，以选择性地使用信息化知识来增强模型，实验结果表明，在不同领域的两个数据集上，我们的模型优于现有技术，并在跨领域的情况下也表现出更好的性能。

    Jul, 2019

  • 多语言指代消解共享任务的发现

    本文概述了 CRAC 2022 研讨会上多语种共指消解任务的概况，采用公共数据集 CorefUD 1.0 为训练和评估数据，使用 CoNLL 得分作为主要评估指标，并比较了多个系统和竞争基线系统，获胜者系统的表现优于竞争基线 12 个百分点。

    Sep, 2022

  • 英波斯语内指消解综述

    该研究综述了核指消解领域的现有语料库和评估指标，提供了基于规则的方法到最新的深度学习技术的核指算法概述，并调查了波斯语的核指消解和代词消解系统。

    Nov, 2022

  • 一种混合实体中心方法用于波斯语代词消解

    本文提出了一种混合模型，通过将多个基于规则的筛子与针对代词的机器学习筛子相结合，解决了代词消解的挑战。该方法在 400 个文档的波斯语语言语料库中蕴含着出色的性能，并通过与先前模型的比较证明了其有效性。

    Nov, 2022

  • 实体核指关联的无监督排名模型

    本文提出了一个基于生成模型，引入 resolution mode 变量的无监督排名模型，用于实体的共指消解。该无监督系统在 CoNLL-2012 共享任务的英文数据上，通过 CoNLL 指标得分为 58.44%，超过了 Stanford 确定性系统（Lee et al.，2013）3.01% 的得分。

    Mar, 2016

  • CREER：用于关系抽取和实体识别的大规模语料库

    本文介绍了 CREER 数据集的设计和使用，该数据集注释了丰富的英语语法和语义属性，使用 Stanford CoreNLP Annotator 从维基百科明文中捕获语言结构，并遵循广泛使用的语言和语义注释，可以用于大多数自然语言处理任务以及数据集的扩展。这个大型监督式数据集可作为未来改进 NLP 任务性能的基础，并通过链接公开发布。

    Apr, 2022