要約
既存の談話形式主義は談話関係のさまざまな分類法を使用しており、理解するには専門知識が必要であり、注釈と自動分類に課題をもたらしています。
私たちは、Sanders et al.(2018) によって提案された、認知に触発されたいくつかの単純な次元によって談話関係を効果的に捉えることができることを示します。
クロスフレームワーク談話関係分類 (PDTB & RST) に関する私たちの実験は、2 つのフレームワークの談話セグメント化の違いにもかかわらず、これらの次元によって、あるフレームワークの談話関係の知識を別のフレームワークに移転することが可能であることを示しています。
これは、フレームワーク間の談話関係を特徴付ける際に、これらの側面が有効であることを示しています。
アブレーション研究は、異なる次元が異なるタイプの談話関係に影響を与えることを明らかにしています。
パターンは、さまざまな関係を特徴づけ、区別する際の寸法の役割によって説明できます。
これらの寸法の自動予測に関する実験結果も報告します。
要約(オリジナル)
Existing discourse formalisms use different taxonomies of discourse relations, which require expert knowledge to understand, posing a challenge for annotation and automatic classification. We show that discourse relations can be effectively captured by some simple cognitively inspired dimensions proposed by Sanders et al.(2018). Our experiments on cross-framework discourse relation classification (PDTB & RST) demonstrate that it is possible to transfer knowledge of discourse relations for one framework to another framework by means of these dimensions, in spite of differences in discourse segmentation of the two frameworks. This manifests the effectiveness of these dimensions in characterizing discourse relations across frameworks. Ablation studies reveal that different dimensions influence different types of discourse relations. The patterns can be explained by the role of dimensions in characterizing and distinguishing different relations. We also report our experimental results on automatic prediction of these dimensions.
arxiv情報
| 著者 | Yingxue Fu |
| 発行日 | 2023-11-01 11:38:19+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google