[IJCAI 2022 | 论文简读] CUP：基于课程学习的隐式事件参数提取提示调优

简读分享 | 乔剑博 编辑 | 李仲深

论文题目

CUP: Curriculum Learning based Prompt Tuning for Implicit Event Argument Extraction

论文摘要

隐式事件参数提取 （EAE） 旨在识别可能散布在文档中的参数。以前的大多数工作都集中在学习参数和给定触发器之间的直接关系上，而与长期依赖的隐性关系没有得到很好的研究。此外，最近基于神经网络的方法依赖于大量的标记数据进行训练，由于标记成本高，这是不可用的。在本文中，作者提出了一种基于课程学习的提示调整（CUP）方法，该方法通过四个学习阶段来解决隐性EAE。阶段是根据语义图中与触发节点的关系来定义的，语义图很好地捕获了参数和触发器之间的长距离依赖关系。此外，作者还集成了基于提示的编码器-解码器模型，在每个阶段从预训练的语言模型（PLM）中引出相关知识，其中提示模板与学习进度相适应，以增强论点的推理。在两个知名基准数据集上的实验结果表明了作者所提出方法的巨大优势。特别是，作者在完全监督和低数据场景中的表现都优于最先进的模型。

论文链接

https://www.ijcai.org/proceedings/2022/589