DMON: A Simple yet Effective Approach for Argument Structure Learning

要約

引数構造学習~(ASL) には、引数間の関係を予測することが含まれます。
理解を容易にするために文書を構造化できるため、多くの分野（医療、商業、科学の分野）で広く適用されています。
ASL は広く利用されているにもかかわらず、構造化されていない可能性のある談話内の文間の複雑な関係を調べる必要があるため、依然として困難な課題です。
この問題を解決するために、ASL タスク用のデュアルタワー マルチスケール cOnvolution ニューラル ネットワーク (DMON) と呼ばれる、シンプルかつ効果的なアプローチを開発しました。
具体的には、引数を関係行列に整理し、引数の埋め込みとともに関係テンソルを形成し、文脈上の引数との関係を捉えるメカニズムを設計します。
3 つの異なるドメインの引数マイニング データセットの実験結果は、私たちのフレームワークが最先端のモデルよりも優れていることを示しています。
コードは https://github.com/VRCMF/DMON.git で入手できます。

要約(オリジナル)

Argument structure learning~(ASL) entails predicting relations between arguments. Because it can structure a document to facilitate its understanding, it has been widely applied in many fields~(medical, commercial, and scientific domains). Despite its broad utilization, ASL remains a challenging task because it involves examining the complex relationships between the sentences in a potentially unstructured discourse. To resolve this problem, we have developed a simple yet effective approach called Dual-tower Multi-scale cOnvolution neural Network~(DMON) for the ASL task. Specifically, we organize arguments into a relationship matrix that together with the argument embeddings forms a relationship tensor and design a mechanism to capture relations with contextual arguments. Experimental results on three different-domain argument mining datasets demonstrate that our framework outperforms state-of-the-art models. The code is available at https://github.com/VRCMF/DMON.git .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google