본 연구는 교차 문서 이벤트 공동 참조 해결 문제를 다룬다. 기존 최신 시스템은 이벤트 트리거 간 어휘적 유사성에 과도하게 의존하는 경향이 있어, 이벤트 관련 인자들의 의미적 공동 참조 관계를 충분히 고려하지 못한다.
연구진은 먼저 구조적 인과 모델을 통해 기존 시스템의 의사 결정 과정을 분석하여, 어휘적 유사성에 기반한 가성 연관성과 의미적 인과 관계를 구분한다. 이를 바탕으로 대규모 언어 모델을 활용한 합리적 중심 반사실 데이터 증강 방법(LLM-RCDA)을 제안한다. LLM-RCDA는 트리거 개입과 문맥 개입을 통해 가성 연관성을 완화하고 인과 관계를 강조하여, 시스템의 인과적 추론 능력을 향상시킨다.
실험 결과, LLM-RCDA 기반 시스템이 3개의 벤치마크 데이터셋에서 최신 기술 대비 1.8-2.3 CoNLL F1 점수 향상을 보였다. 또한 도메인 외 데이터에서도 강건한 성능을 보여, 제안 방법의 우수성을 입증했다.
To Another Language
from source content
arxiv.org
Principais Insights Extraídos De
by Bowen Ding,Q... às arxiv.org 04-03-2024
https://arxiv.org/pdf/2404.01921.pdfPerguntas Mais Profundas