A Context-Dependent Gated Module for Incorporating Symbolic Semantics into Event Coreference Resolut

标题、作者

摘要

动机：

• 共指消解的输入来自于上游任务的信息抽取的输出，自动抽取的符号特征存在噪声和错误
• 上下文能提供有用信息

主要贡献

• 上下文相关的门控模型：自适应地控制从符号特征输入的信息
• 有噪声的训练模型

结论

在ACE2005和KBP2016数据集上实验

相关工作

利用mention-pair模型计算每个mention之间的距离，然后使用聚类算法，除了触发词特征外，也有使用事件类型、属性、论元等特征，但没有使用上下文embedding，或者只使用了一种符号特征

导言

现有方法

• 利用有关触发词的特征信息
• 利用额外的符号特征，如事件类型、属性、论元等
• 利用上下文无关的词嵌入
• 简单地直接拼接特征会引入噪声和误差

文中方法

• 包含广泛的符号特征的通用、有效的方法
• 利用上下文相关的门控制模型从符号特征中有选择地抽取信息
• 使用正则化方法随机的在训练过程中加入噪声

模型

预定义

• 文档 $D$ 有 $k$ 个事件提及（由预测得出）

• 每个事件提及 $m_i$ 中触发词的起始索引分别为 $s_i$、$e_i$

• 每个事件提及 $m_i$ 有 $K$ 个类别特征，每个类别特征 ci(u)∈{1,2,...,Nu}c_i^{(u)}\in \{1,2,...,N_u\}ci(u)​∈{1,2,...,Nu​}

• ACE数据集中利用的符号特征：

  • 类型、极性、形态、指属、时态

• KBP数据集利用的符号特征：

  • 类型、现实含义

• 使用OneIE识别事件提及（mentions）及其子类型

• 使用基于SpanBERT的联合分类模型提取其他符号特征

Single-Mentions Encoder（单个事件提及的编码器）

给定一个文档 $D$ ，先使用 Transformer 编码器对输入的每个tokens形成上下文的表示
$$X=(x_1,...,x_n),x_i\in {\mathbb{R}}^d$$
对于每个事件提及 $m_i$ ，它的触发词的表达 $t_i$ 定义为触发词的每个token的平均值：
$$t_i=\sum _{j=s_i}^{e_i}\frac{x_j}{e_i-s_i+1}$$
另外，使用 $K$ 个可训练的embedding矩阵，将每个事件提及 $m_i$ 的 $K$ 符号特征转为 $K$ 个向量

{hi(1),hi(2),...,hi(K)}\{h_i^{(1)},h_i^{(2)},...,h_i^{(K)}\}{hi(1)​,hi(2)​,...,hi(K)​}

Mention-Pair Encoder and Scorer（事件提及对的编码和得分计算）

• 给定两个事件提及 $m_i$和 $m_j$ ，定义它们的触发词对$t_{ij}$的表示为：
  $$t_{ij}=FFN{N}_t([t_i,t_j,t_i\circ t_j])$$
  $FFN{N}_t$是一个前向网络，$t_i\in {\mathbb{R}}^d$，$t_{ij}\in {\mathbb{R}}^p$，$\circ$表示按元素相乘

• 定义特征对的表示 {hij(1),hij(2),...,hij(K)}\{h_{ij}^{(1)},h_{ij}^{(2)},...,h_{ij}^{(K)}\}{hij(1)​,hij(2)​,...,hij(K)​}（对应特征的组合）
  $$h_{ij}^{(u)}=FFN{N}_u([h_i^{(u)},h_j^{(u)},h_i^{(u)}\circ h_j^{(u)}])$$
  $FFN{N}_u$是一个前向网络，$h_i^{(u)}\in {\mathbb{R}}^l$，$h_{ij}^{(u)}\in {\mathbb{R}}^p$

• （非最优的方法）将事件提及$m_i$和 $m_j$ 对的表示为触发词对和特征对的拼接：
  $$f_{ij}=[t_{ij},h_{ij}^{(1)},h_{ij}^{(2)},...,h_{ij}^{(K)}]$$
  直接利用符号特征易引入噪声和误差，于是文中提出新的方法 CDGM

上下文相关的门控模型 CDGM

给定两个事件提及 $m_i$和 $m_j$，利用得到的触发词特征 $t_{ij}$ 去计算过滤后的特征对表示
$${\bar{h}}_{ij}^{(u)}=CDG{M}^{(u)}(t_{ij},h_{ij}^{(u)})$$
其他门控机制，对u∈{1,2,...,K}u\in\{1,2,...,K\}u∈{1,2,...,K}：

• $g_{ij}(u)=\sigma (FFN{N}_g^{(u)}([t_{ij},h_{ij}^{(u)}]))$

• $o_{ij}^{(u)},p_{ij}^{(u)}=DECOMPOSE(t_{ij},h_{ij}^{(u)})$

  • $p_{ij}^{(u)}=\frac{h_{ij}^{(u)}\cdot t_{ij}}{t_{ij}\cdot t_{ij}}{t}_{ij}$

  • $p_{ij}^{(u)}$ 是 $h_{ij}^{(u)}$ 在 $t_{ij}$上的投影，包含$t_{ij}$ 的信息
    \\[3pt]

  • $o_{ij}^{(u)}=h_{ij}^{(u)}-p_{ij}^{(u)}$

  • $o_{ij}^{(u)}$ 正交于 $h_{ij}^{(u)}$，相当于去除一部分信息

• ${\bar{h}}_{ij}^{(u)}=g_{ij}^{(u)}\circ o_{ij}^{(u)}+(1-g_{ij}^{(u)})\circ p_{ij}^{(u)}$

$FFN{N}_g^{(u)}$将 ${\mathbb{R}}^{2\times p}$映射为 ${\mathbb{R}}^p$，经过CDGMs的蒸馏后得到事件提及对 $m_i$和 $m_j$ 的最终表示为：
$$f_{ij}=[t_{ij},{\bar{h}}_{ij}^{(1)},{\bar{h}}_{ij}^{(2)},...,{\bar{h}}_{ij}^{(K)}]$$
事件提及 $m_i$和 $m_j$ 的共指得分 $s(i,j)$ 为：
$$s(i,j)=FFN{N}_a(f_{ij})$$
$FFN{N}_a$将 ${\mathbb{R}}^{(K+1)\times p}$映射为 $\mathbb{R}$

Training and Inference

训练过程

特征预测器的训练精度通常比它在开发/测试集上的精度高得多。如果简单地训练模型而不进行任何正则化，CDGM在训练过程中很少遇到噪声符号特征。因此，为了让CDGM真正学会提取可靠的信号，文中还提出了一种简单但有效的噪声训练方法（具体操作见算法）。

噪声加入算法

• 输入： 文档 $D$

• 超参数：{ϵ1,ϵ2,...,ϵK}\{\epsilon_1, \epsilon_2, ..., \epsilon_K\}{ϵ1​,ϵ2​,...,ϵK​}

• for $i=1...k$ do

  • for $u=1...K$ do

    • with prob. ${ϵ}_u$, replace $c_i^{(u)}$ by
    • ${\hat{c}}_i^{(u)}\sim Uniform(N_u)$

  • end

• end

噪声训练方法不是为了减少传统意义上的过拟合。它的主要功能是帮助CDGM学会从噪声特征中提取可靠的信号

推理过程

给每个事件提及 $m_i$ 分配一个 先例 $a_i$，这个先例来自于 $m_i$之前抽取的事件提及或一个假的事件提及