论文笔记 ACL 2020|Discourse as a Function of Event: Profiling Discourse Structure in News Articles aroun

文章目录

• • 1 简介
  • • 1.1 创新
  • 2 方法
  • 3 实验

1 简介

论文题目：Discourse as a Function of Event: Profiling Discourse Structure in News Articles around the Main Event
论文来源：ACL 2020
论文链接：https://aclanthology.org/2020.acl-main.478.pdf
代码链接：https://github.com/prafulla77/Discourse_Profiling

1.1 创新

• 使用新闻的语篇分析提高事件共指消解的性能。
• 提出一个新的语篇分析数据集。

2 方法

数据集使用人工标注，共8个标签(Main Event,Consequence,Previous Event,Current Context,Historical Event,Anecdotal Event,Evaluation,Expectation)，统计信息如下：

模型结构如下图，词向量为EMLo编码，然后通过一个词级别的biLSTM，获得隐藏状态表示$H_s$，然后通过soft-attention对隐藏状态表示进行加权求和，得到句子编码$S_i$，然后通过一个句子级别的biLSTM，然后通过加权求和获得文档编码$D$，最后使用句子编码$H_{t1};(H_{t1}-D);(H_{t1}\ast D)$进行分类。

3 实验

content-type和speech label的分类结果如下图：

观察数据有如下规律：


融合内容的结构来提高事件共指消解任务的表现，使用ILP约束(基于句子的内容类型和事件提及的单个分数(二分类，识别文档中的单个事件提及))，实验结果如下：