In dieser Arbeit wird ein argumentbewusster Ansatz zur Verbesserung von Ereignisverknüpfungsmodellen vorgestellt. Zunächst werden die Eingabetexte mit markierten Ereignisargumentinformationen angereichert, um die Erkennung von Schlüsselinformationen zu Ereigniserwähnungen zu erleichtern. Um Modelle auch mit "out-of-KB"-Szenarien umgehen zu lassen, wird eine Methode zur Synthese von "out-of-KB"-Trainingsdaten aus "in-KB"-Instanzen durch kontrollierte Manipulation von Ereignisargumenten entwickelt. Die Experimente auf zwei Testdatensätzen zeigen signifikante Verbesserungen sowohl für in-KB- als auch für out-of-KB-Szenarien, mit einer bemerkenswerten Steigerung von 22% bei den out-of-KB-Bewertungen.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by I-Hung Hsu,Z... at arxiv.org 03-25-2024
https://arxiv.org/pdf/2403.15097.pdfDeeper Inquiries