@进行中{tan-etal-2022事件,title=“利用因果新闻语料库进行事件因果关系识别-共享任务3,{CASE}2022”,author={Tan、Fiona Anting和Hettiarachchi、Hansi和H{\“u}rriyeto{\u{g}lu,Ali和卡塞利、托马索和Uca、Onur和Liza、Farhana Ferdousi和Oostdijk、Nelleke}、,editor={H{\“u}rriyeto{\u{g}lu,Ali和塔涅夫、赫里斯托和Zavarella、Vanni和Y{\“o}r{\”u}k,Erdem},booktitle=“第五届从文本中自动提取社会政治事件(CASE)的挑战和应用研讨会论文集”,月=12月,年=“2022”,address=“阿拉伯联合酋长国阿布扎比(混合)”,publisher=“计算语言学协会”,url=“https://aclcollectory.org/2022.case-1.28",doi=“10.18653/v1/2022.case-1.28”,pages=“195--208”,抽象=“CASE 2022的事件因果关系识别共享任务涉及两个子任务,分别处理因果新闻语料库。子任务1要求参与者预测句子是否包含因果关系。这是一个有监督的二元分类任务。子任务2要求参与者根据因果关系确定原因、效果和信号跨度句子。这可视为一项监督序列标记任务。对于这两个子任务,参与者上传了对搁置测试集的预测,并分别根据子任务1和2的二进制F1和宏F1分数进行排名。本文总结了向我们的比赛提交结果的17支球队的工作,以及收到的12篇系统描述论文。子任务1和子任务2的F1得分分别为86.19和54.15。所有性能最佳的方法都涉及到经过预训练的语言模型,这些语言模型可以根据目标任务进行微调。在本文中,我们进一步讨论了这些方法,并分析了参与者{'}系统中的错误。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“网址:http://www.loc.gov/mods/v3"><mods ID=“tan-etal-2022-event”><标题信息>事件因果关系识别与因果新闻语料库-共享任务3,CASE 2022</titleInfo><name type=“personal”><namePart type=“given”>Fiona</namePart>菲奥娜</namePart安亭(Anting)<namePart type=“family”>谭</namePart><角色>作者</角色></name><name type=“personal”>汉斯赫蒂亚拉赫奇<角色>作者</角色></name><name type=“personal”>阿里Hürriyetolu<角色>作者</角色></name><name type=“personal”>托马索卡塞利<角色>作者</角色></name><name type=“personal”>奥努尔<namePart type=“family”>Uca</namePart><角色>作者</角色></name><name type=“personal”>Farhana费尔多西莉莎<角色>作者</角色></name><name type=“personal”>内列克Oostdijk<角色>作者</角色></name><originInfo>2022-12发布日期</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>第五届从文本中自动提取社会政治事件(CASE)的挑战和应用研讨会论文集</titleInfo><name type=“personal”>阿里Hürriyetolu<角色>编辑器</角色></name><name type=“personal”>赫里斯托塔内夫<角色>编辑器</角色></name><name type=“personal”>范尼扎瓦雷拉<角色>编辑器</角色></name><name type=“personal”>Erdem<namePart type=“family”>Yörük</namePart><角色>编辑器</角色></name><originInfo>计算语言学协会<位置>阿拉伯联合酋长国阿布扎比(混合)</place></originInfo>会议出版物</relatedItem>CASE 2022的事件因果关系识别共享任务涉及两个子任务,分别处理因果新闻语料库。子任务1要求参与者预测句子是否包含因果关系。这是一个有监督的二进制分类任务。子任务2要求参与者确定每个因果句子的原因、效果和信号跨度。这可视为一项监督序列标记任务。对于这两个子任务,参与者上传了对搁置测试集的预测,并分别根据子任务1和2的二进制F1和宏F1分数进行排名。本文总结了向我们的比赛提交结果的17支球队的工作,以及收到的12篇系统描述论文。子任务1和子任务2的F1得分最高,分别为86.19%和54.15%。所有性能最佳的方法都涉及到经过预训练的语言模型,这些语言模型可以根据目标任务进行微调。在本文中,我们进一步讨论了这些方法,并分析了参与者系统中的错误</摘要>tan-etal-2022事件<identifier type=“doi”>10.18653/v1/2022.案例1.28</identifier><位置><网址>https://aclantology.org/2022.case-1.28</url></位置><部分>2022-12年<扩展单元=“page”><开始>195208</范围></部分></mods></modsCollection>
%0会议记录%基于因果新闻语料库的T事件因果关系识别——共享任务3,CASE 2022%菲奥娜·安汀·阿坦%汉西·A Hettiarachchi%阿里·阿胡里耶托鲁%托马索·卡塞利%阿尤卡,奥努尔%A Liza、Farhana Ferdousi%内列克·奥斯蒂克%阿里·Y Hürriyeto-lu%Y Tanev,赫里斯托%瓦尼·Y·扎瓦雷拉%埃尔登·Yörük%第五届自动从文本中提取社会政治事件(CASE)的挑战和应用研讨会论文集%D 2022年%12月8日%计算语言学协会%C阿布扎比,阿拉伯联合酋长国(混合)%F tan-etal-2022事件%X CASE 2022的事件因果关系识别共享任务涉及因果新闻语料库上的两个子任务。子任务1要求参与者预测句子是否包含因果关系。这是一个有监督的二进制分类任务。子任务2要求参与者确定每个因果句子的原因、效果和信号跨度。这可视为一项监督序列标记任务。对于这两个子任务,参与者上传了对搁置测试集的预测,并分别根据子任务1和2的二进制F1和宏F1分数进行排名。本文总结了向我们的比赛提交结果的17支球队的工作,以及收到的12篇系统描述论文。子任务1和子任务2的F1得分最高,分别为86.19%和54.15%。所有性能最佳的方法都涉及到经过预训练的语言模型,这些语言模型可以根据目标任务进行微调。在本文中,我们进一步讨论了这些方法,并分析了参与者系统中的错误。%R 10.18653/v1/2022.案例-1.28%U型https://aclantology.org/2022.case-1.28%U型https://doi.org/10.18653/v1/2022.case-1.28%电话:195-208
降价(非正式)
【事件因果关系识别与因果新闻语料库——共享任务3,CASE 2022】(https://aclantology.org/2022.case-1.28)(Tan等人,案例2022)
国际计算语言学协会
- 菲奥娜·安汀·谭(Fiona Anting Tan)、汉西·赫蒂亚拉奇(Hansi Hettiarachchi)、阿里·胡里耶托卢(Ali Hürriyeto-lu)、托马索·卡塞利(Tommaso Caselli)、奥努尔·尤卡(Onur Uca)、法拉哈娜·费尔杜西·丽莎(Farhana Ferd。2022基于因果新闻语料库的事件因果关系识别——共享任务3,CASE 2022.英寸第五届从文本中自动提取社会政治事件(CASE)的挑战和应用研讨会论文集,第195-208页,阿拉伯联合酋长国阿布扎比(混合)。计算语言学协会。