Global and Local Hierarchy-aware Contrastive Framework for Implicit Discourse Relation Recognition

要約

明示的な接続詞が存在しないため、暗黙的な談話関係認識 (IDRR) は談話分析において依然として困難な課題です。
IDRR の重要なステップは、2 つの議論間の高品質な談話関係表現を学習することです。
最近の手法は、感覚の階層情報全体を、多レベルの感覚認識のための談話関係表現に統合する傾向にあります。
それにもかかわらず、それらは、すべての意味を含む静的階層構造（グローバル階層として定義される）を十分に組み込んでおらず、各インスタンスに対応する階層的な意味ラベルシーケンス（ローカル階層として定義される）を無視している。
より良い談話関係表現を学習するために感覚のグローバルおよびローカル階層を十分に活用する目的で、マルチタスク学習と
対照的な学習。
PDTB 2.0 および PDTB 3.0 データセットの実験結果は、私たちの手法がすべての階層レベルで現在の最先端モデルよりも著しく優れていることを示しています。
私たちのコードは https://github.com/YJiangcm/GOLF_for_IDRR で公開されています。

要約(オリジナル)

Due to the absence of explicit connectives, implicit discourse relation recognition (IDRR) remains a challenging task in discourse analysis. The critical step for IDRR is to learn high-quality discourse relation representations between two arguments. Recent methods tend to integrate the whole hierarchical information of senses into discourse relation representations for multi-level sense recognition. Nevertheless, they insufficiently incorporate the static hierarchical structure containing all senses (defined as global hierarchy), and ignore the hierarchical sense label sequence corresponding to each instance (defined as local hierarchy). For the purpose of sufficiently exploiting global and local hierarchies of senses to learn better discourse relation representations, we propose a novel GlObal and Local Hierarchy-aware Contrastive Framework (GOLF), to model two kinds of hierarchies with the aid of multi-task learning and contrastive learning. Experimental results on PDTB 2.0 and PDTB 3.0 datasets demonstrate that our method remarkably outperforms current state-of-the-art models at all hierarchical levels. Our code is publicly available at https://github.com/YJiangcm/GOLF_for_IDRR

arxiv情報

提供元, 利用サービス

arxiv.jp, Google