Retrieval Augmented Generation - 2019年11月

Coreference Resolution as Query-based Span Prediction

发布时间：2019-11-05

作者：Wei Wu, Fei Wang, Arianna Yuan, Fei Wu, Jiwei Li

中文摘要：

本文提出了一种准确且可扩展的核心指代消解方法。我们将该问题表述为一个跨度预测任务，类似于机器阅读理解（MRC）：对于每个候选提及，使用其周围上下文生成一个查询，并采用跨度预测模块利用生成的查询从文档中提取核心指代的文本跨度。这种表述具有以下关键优势：（1）跨度预测策略提供了在提及提议阶段检索遗漏提及的灵活性；（2）在MRC框架中，将提及及其上下文明确地编码在查询中，使得可以深入彻底地考察嵌入在核心指代提及上下文中的线索；（3）可以使用大量的现有MRC数据集进行数据增强，以提高模型的一般化能力。实验表明，与先前模型相比，性能有显著提升，在GAP基准测试中F1分数为87.5（+2.5），在CoNLL-2012基准测试中F1分数为83.1（+3.5）。

一句话总结：

本文提出了一种基于机器阅读理解框架的核心指代消解方法，通过跨度预测和查询编码技术显著提升了核心指代消解的性能。

---