基于多视角对比学习的隐式篇章关系识别

作     者：吴一珩 李军辉 朱慕华 WU Yi-heng;LI Jun-hui;ZHU Mu-hua

作者机构：苏州大学计算机科学与技术学院江苏苏州215006 美团北京100000 

出 版 物：《计算机工程与科学》 (Computer Engineering & Science)

年 卷 期：2024年第46卷第4期

页      面：716-724页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61876120) 

主　　题：隐式篇章关系识别 多视角 对比学习 联合学习 

摘      要：隐式篇章关系识别IDRR的相关工作集中在篇章单元编码器的设计上。将对比学习引入到IDRR,以此获得区分度更高的篇章单元表征。具体地,首先使用一个轻量的IDRR模型;然后为了学习到更好的篇章单元表征,分别从样例层级、批层级和群层级,探索了3种不同视角的对比学习方法在IDRR中的应用;最后本文将多视角对比学习目标联合IDRR同时进行训练。本文提出的方法几乎不增加训练时间,而且只引入少量额外参数。基于PDTB 2.0的实验结果表明该方法达到了最优性能。