Resolving Event Coreference with Supervised Representation Learning and Clustering-Oriented Regularization
Nous présentons une approche de la résolution des coréférences d’événement en développant un cadre général pour le regroupement qui utilise l’apprentissage par représentation supervisée. Nous proposons une architecture de réseau de neurones avec de nouveaux termes CORE (Clustering-Oriented Regularization) dans la fonction objectif. Ces termes encouragent le modèle à créer des intégrations de mentions d’événement susceptibles d’être regroupées. Nous utilisons ensuite le regroupement par agglomération sur ces intégrations pour créer des chaînes de coréférence d’événement. Que ce soit dans le corpus ECB + ou au sein de coréférences internes ou entre documents, notre modèle obtient de meilleurs résultats que les modèles qui nécessitent beaucoup plus d’informations pré-annotées. Ce travail fournit des informations et des résultats motivants pour une nouvelle approche générale de la résolution de problèmes de coréférence et de regroupement avec apprentissage de la représentation.
