KnowDis:遠隔監視によるイベント因果検出のための知識強化データ増強【JST・京大機械翻訳】

Zuo Xinyu; Chen Yubo; Liu Kang; Zhao Jun

プレプリント

J-GLOBAL ID：202202201862810996 整理番号：22P0202469

KnowDis:遠隔監視によるイベント因果検出のための知識強化データ増強【JST・京大機械翻訳】

KnowDis: Knowledge Enhanced Data Augmentation for Event Causality Detection via Distant Supervision

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年10月21日プレプリントサーバーでの情報更新日： 2020年10月21日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

イベント因果律検出(ECD)の現代モデルは,主に小手標識コーパスからの教師つき学習に基づいている。しかし,手でラベルした訓練データは,因果表現の低カバレッジとサイズに限定するのに高価であり,イベント間の因果関係を検出するのを困難にする。このデータを欠いているため,著者らは,知識強化距離データ増強(知識)として,ECDのためのデータ増強フレームワークを調査した。2つのベンチマークデータセット,事象SoryLineコーパスとCausal-TimeBankの実験結果は,1)KnowDisが,遠隔監視によるECDの語彙と因果律知識で支援された利用可能な訓練データを強化でき,2)著者らの方法は,自動的にラベル付けされた訓練データで支援された大きなマージンによって以前の方法より優れていることを示した。【JST・京大機械翻訳】

, , , , , , , ,
, , 【Automatic Indexing@JST】

人工知能

, , , ,

前のページに戻る