【作者】 刘未鹏； 周俊生； 黄书剑； 陈家骏；

【Author】 Liu Weipeng~1,Zhou Junsheng~2,Huang Shujian~1,Chen Jia-Jun~1 1.State Key Laboratory for Novel Software Technology,Nanjing University,Nanjing 210093,China 2.Department of Computer Science,Nanjing Normal University,Nanjing 210097,China

【机构】 南京大学计算机软件新技术国家重点实验室； 南京师范大学计算机科学与技术学院；

【摘要】 共指消解的主流框架分为二元分类和等价类划分两个步骤,围绕第二个步骤进行的全局优化是主要的研究方向之一。本文结合共指消解问题本身的特点提出了一种基于最小化决策错误的损失函数,并利用一种自底向上的聚类模型对其进行优化,此外提出另外两种贪婪聚类模型,在ACE中文语料上的实验显示三种聚类模型的效果都优于baseline系统,其中自底向上的聚类效果更明显。更多还原

【Abstract】 Coreference resolution typically consists of two phases:pairwise classification and partitioning.For the second phase,current research focuses on global optimization techniques.We propose a loss function that aims at minimizing decision errors and propose a bottom-up clustering model and two other greedy clustering models to optimize it.Our experimental results show good performance boosting.更多还原