Key points are not available for this paper at this time.
Dieses Papier präsentiert einen neuartigen Ansatz zur Problematik der semantischen Analyse durch das Lernen der Entsprechungen zwischen komplexen Sätzen und reichen Ereignismengen. Unsere Hauptintuition ist, dass korrekte Entsprechungen tendenziell häufiger auftreten. Unser Modell profitiert von einem diskriminativen Ähnlichkeitsbegriff, um die Entsprechung zwischen Satz und Ereignis sowie einer Rankingsystematik zu lernen, die die Popularität jeder Entsprechung bewertet. Unsere Methode kann eine Gruppe von Ereignissen (sogenannten Makro-Ereignissen) entdecken, die einen Satz am besten beschreibt. Wir evaluieren unsere Methode an unserem neuartigen Datensatz professioneller Fußballkommentare. Die empirischen Ergebnisse zeigen, dass unsere Methode den Stand der Technik signifikant übertrifft.
Hajishirzi et al. (Di,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: