マルチタスク学習を用いた共参照解決におけるシングルトンおよび参照表現ベース特徴の統合による一般化性能の向上

英語におけるエンドツーエンド型ニューラル共参照解決に照応語検出ステップを組み込む試みは、シングルトン照応語スパンデータやその他のエンティティ情報の不足により、これまで困難を伴っていた。本論文では、マルチタスク学習に基づくアプローチにより、シングルトンの学習およびエンティティタイプや情報状態といった特徴の抽出を可能にする共参照モデルを提示する。このアプローチは、OntoGUMベンチマークにおいて新たな最良スコア（+2.7ポイント）を達成し、複数のドメイン外データセットにおいても堅牢性が向上（平均で+2.3ポイント）した。これは、照応語検出の汎化能力が向上し、共参照対のマッチングに加えてシングルトンから得られるより多くのデータを活用できるようになったことに起因すると考えられる。