arrow
返回

Heterogeneous Graph Neural Network Based Arabic Coreference Resolution

delete2026-01-01
delete0
PRE
AI
E
EL Yousfi, Rihab *
O
Ourekouch, Mounir
E
Erradi, Mohammed
DOI:10.1007/978-3-032-00347-8_17delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
共指消解旨在识别和链接文本中指代同一实体的提及。然而,阿拉伯语共指消解由于数据匮乏和语言复杂性而研究不足。以往工作主要依赖预训练语言模型、多语言变换器以及跨语言迁移学习。然而,这些方法常忽略句法和语义结构,而这些结构对于捕捉更丰富的上下文表示至关重要。本研究聚焦于利用句法和语义信息来改进阿拉伯语的提及链接。我们提出了一种基于异构图模型,联合利用这些特征以增强阿拉伯语共指消解。该模型通过依存树编码句法结构,使用阿拉伯语解析器Camel-Parser 2.0。该模型通过融入语义角色标注(SRL)来优化上下文表示,从而实现更深的语义理解。我们对该方法进行了分析,将其性能与基于BERT的方法和序列到序列模型进行了比较。在阿拉伯语CoNLL-2012共享任务上的实验表明,所提出的模型在F1分数上优于基于BERT的方法,并取得了与当前最佳序列到序列模型相当的结果。
Keyword:
Arabic coreference resolution
Heterogeneous graph
neural network
Dependency parsing
Semantic role labeling (SRL)

期刊

N
NETWORKED SYSTEMS, NETYS 2025
IF:
0
论文数:
16
被引数:
0

机构

M
mohammed vi polytechnic university
学者数:
3.5K
论文数: 2.4K
被引数: 48
引用论文

引用论文

学者 查看更多内容