Joint End-to-end Semantic Proto-role Labeling
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F23%3ANE6IVPPZ" target="_blank" >RIV/00216208:11320/23:NE6IVPPZ - isvavai.cz</a>
Výsledek na webu
<a href="https://aclanthology.org/2023.acl-short.63/" target="_blank" >https://aclanthology.org/2023.acl-short.63/</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.18653/v1/2023.acl-short.63" target="_blank" >10.18653/v1/2023.acl-short.63</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Joint End-to-end Semantic Proto-role Labeling
Popis výsledku v původním jazyce
"Semantic proto-role labeling (SPRL) assigns properties to arguments based on a series of binary labels. While multiple studies have evaluated various approaches to SPRL, it has only been studied in-depth as a standalone task using gold predicate/argument pairs. How do SPRL systems perform as part of an information extraction pipeline? We model SPRL jointly with predicate-argument extraction using a deep transformer model. We find that proto-role labeling is surprisingly robust in this setting, with only a small decrease when using predicted arguments. We include a detailed analysis of each component of the joint system, and an error analysis to understand correlations in errors between system stages. Finally, we study the effects of annotation errors on SPRL."
Název v anglickém jazyce
Joint End-to-end Semantic Proto-role Labeling
Popis výsledku anglicky
"Semantic proto-role labeling (SPRL) assigns properties to arguments based on a series of binary labels. While multiple studies have evaluated various approaches to SPRL, it has only been studied in-depth as a standalone task using gold predicate/argument pairs. How do SPRL systems perform as part of an information extraction pipeline? We model SPRL jointly with predicate-argument extraction using a deep transformer model. We find that proto-role labeling is surprisingly robust in this setting, with only a small decrease when using predicted arguments. We include a detailed analysis of each component of the joint system, and an error analysis to understand correlations in errors between system stages. Finally, we study the effects of annotation errors on SPRL."
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
—
Návaznosti
—
Ostatní
Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
"Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers)"
ISBN
978-1-959429-71-5
ISSN
—
e-ISSN
—
Počet stran výsledku
14
Strana od-do
723-736
Název nakladatele
ACL
Místo vydání
Toronto, Canada
Místo konání akce
Toronto, Canada
Datum konání akce
1. 1. 2023
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—