الاستدلال النصي لاستخراج حجج الحدث: بدون أمثلة وقليل الأمثلة مع التعلم متعدد المصادر

أظهرت الدراسات الحديثة أن مهام معالجة اللغة الطبيعية مثل استخراج العلاقات (RE) يمكن إعادة صياغتها كمهام استدلال نصي باستخدام التعبيرات الكلامية، مما حقق أداءً قويًا في الإعدادات التي لا تتطلب تدريبًا مسبقًا (zero-shot) وفي الإعدادات ذات التدريب المحدود (few-shot) بفضل النماذج المسبقة التدريب على الاستدلال. ومع ذلك، فإن حقيقة أن العلاقات في مجموعات البيانات الحالية لاستخراج العلاقات يمكن تعبيرها بكلمات بسهولة تثير الشكوك حول فعالية الاستدلال في المهام الأكثر تعقيدًا. في هذا البحث، نوضح أن الاستدلال أيضًا فعال في استخراج حجج الأحداث (EAE)، حيث يقلل من الحاجة إلى التسمية اليدوية بنسبة 50% و20% في ACE وWikiEvents على التوالي، مع تحقيق نفس الأداء الذي يتم الحصول عليه عند التدريب الكامل. وأهم من ذلك، نوضح أن إعادة صياغة EAE كاستدلال يخفف من الاعتماد على المخططات (schemas)، والتي كانت عائقًا أمام نقل التسميات بين المجالات. بفضل الاستدلال، يُقلل النقل متعدد المصادر بين ACE وWikiEvents من الحاجة إلى التسمية إلى 10% و5% فقط (على التوالي) من التدريب الكامل دون نقل. تظهر تحليلاتنا أن السر في تحقيق نتائج جيدة هو استخدام عدة مجموعات بيانات استدلالية لتدريب النموذج الاستدلالي. كما هو الحال في الأساليب السابقة، يتطلب طريقة عملنا جهدًا بسيطًا للتعبير الكلامي اليدوي: حيث يحتاج أقل من 15 دقيقة لكل نوع من حجج الأحداث لتحقيق نتائج مماثلة مع مستخدمين ذوي مستويات خبرة مختلفة.