BriefGPT - AI 论文速递
·
利用句法依赖和语义一致性进行否定三元组提取
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文提出了一种新的否定三元组抽取（NTE）任务，通过生成预训练语言模型（PLM）的SSENE模型，结合句法依赖树和辅助任务学习，提取否定主语、提示和范围。在美团真实平台上的评估结果表明，SSENE实现了最佳的NTE性能。消融实验和案例研究证明，将句法信息纳入PLM有助于识别主语和提示之间的远程依赖关系，辅助任务学习有助于提取具有更多语义一致性的否定三元组。
🎯
关键要点
- 提出了一种新的否定三元组抽取（NTE）任务，旨在提取否定主语、否定提示和范围。
- 设计了一种基于生成预训练语言模型（PLM）的SSENE模型，通过多任务学习框架结合句法依赖树。
- SSENE模型能够发现否定主语、提示和范围之间的关系，并确保句子与提取的三元组之间的语义一致性。
- 基于美团真实平台上用户评论构建了高质量的中文数据集NegComment。
- 在NegComment数据集上的评估结果表明，SSENE实现了最佳的NTE性能。
- 消融实验和案例研究证明，将句法信息纳入PLM有助于识别主语和提示之间的远程依赖关系。
- 辅助任务学习有助于提取具有更多语义一致性的否定三元组。
➡️
