Bitte benutzen Sie diese Referenz, um auf diese Ressource zu verweisen: doi:10.22028/D291-38834
Volltext verfügbar? / Dokumentlieferung
Dateien zu diesem Datensatz:
Es gibt keine Dateien zu dieser Ressource.
Titel: Label distributions help implicit discourse relation classification
VerfasserIn: Yung, Frances Pikyu UdsID
Anuranjana, Kaveri
Scholman, Merel Cleo Johanna UdsID
Demberg, Vera UdsID
HerausgeberIn: Braud, Chloe
Sprache: Englisch
In:
Titel: Proceedings of 3rd Workshop on Computational Approaches to Discourse (CODI 2022) - the 29th International Conference on Computational Linguistics : October 16-17, 2022, Gyeongju, Republic of Korea
Seiten: 48-53
Verlag/Plattform: ACL
Erscheinungsjahr: 2022
Erscheinungsort: [Stroudsburg, PA]
Konferenzort: Gyeongju, Republic of Korea
DDC-Sachgruppe: 400 Sprache, Linguistik
Dokumenttyp: Konferenzbeitrag (in einem Konferenzband / InProceedings erschienener Beitrag)
Abstract: Implicit discourse relations can convey more than one relation sense, but much of the research on discourse relations has focused on single relation senses. Recently, DiscoGeM, a novel multi-domain corpus, which contains 10 crowd-sourced labels per relational instance, has become available. In this paper, we analyse the co-occurrences of relations in DiscoGem and show that they are systematic and characteristic of text genre. We then test whether information on multi-label distributions in the data can help implicit relation classifiers. Our results show that incorporating multiple labels in parser training can improve its performance, and yield label distributions which are more similar to human label distributions, compared to a parser that is trained on just a single most frequent label per instance.
Link zu diesem Datensatz: urn:nbn:de:bsz:291--ds-388344
hdl:20.500.11880/35018
http://dx.doi.org/10.22028/D291-38834
Datum des Eintrags: 26-Jan-2023
Fakultät: MI - Fakultät für Mathematik und Informatik
Fachrichtung: MI - Informatik
Professur: MI - Prof. Dr. Vera Demberg
Sammlung:SciDok - Der Wissenschaftsserver der Universität des Saarlandes



Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.