基于跨语言数据增强的事件同指消解方法  

Cross-lingual Data Augmentation Based Event Coreference Resolution

作　　者：程昊熠 李培峰[1,2] 朱巧明 CHENG Haoyi;LI Peifeng;ZHU Qiaoming(School of Computer Sciences and Technology,Soochow University,Suzhou,Jiangsu 215006,China;Provincial Key Laboratory for Computer Information Processing Technology,Suzhou,Jiangsu 215006,China)

机构地区：[1]苏州大学计算机科学与技术学院,江苏苏州215006 [2]江苏省计算机信息技术处理重点实验室,江苏苏州215006

出　　处：《中文信息学报》2022年第3期19-26,共8页Journal of Chinese Information Processing

基　　金：国家自然科学基金(61773276,61472265,61772354);江苏高校优势学科建设工程资助项目。

摘　　要：事件同指消解是一个具有挑战性的自然语言处理任务,它在事件抽取、问答系统和阅读理解等任务中发挥着重要作用。现存的事件同指消解语料库的一个问题是标注规模较小,无法训练出高效能的模型。为了解决上述问题,该文提出了一个基于跨语言数据增强的事件同指消解神经网络模型ECR_CDA(Event Coreference Resolution on Cross-lingual Data Augmentation)。该模型通过中英文语料互译来增强语料,并通过共享模型参数的方式实现中英文模型的跨语言学习,从而提高了事件同指消解的性能。在ACE 2005英文语料上的实验结果表明,ECR_CDA优于目前最先进的基准系统。Event coreference resolution is a challenging task with wide application in event extraction,QA system,and reading comprehension.The best use the existing small-scale public corpus,this paper introduces a neural network model ECR_CDA based on cross-lingual data augmentation.This model enhances the corpus through the translation of Chinese and English corpus,and improves the performance of event coreference resolution via the cross-lingual learning of Chinese and English models by sharing the model parameters.The experimental results on ACE 2005 English test set show that ECR_CDA is superior to the most advanced baseline.

关 键 词：事件同指 事件实例短句 中英跨语言学习 全局优化方法 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]