摘要：标注跨文档事件共指链接是一项耗时且认知负荷高的任务，这会损害标注质量和效率。为解决这一问题，我们提出一种模型参与（model-in-the-loop）的事件共指消解标注方法，其中机器学习模型仅推荐可能存在共指关系的事件对。通过先模拟标注过程，再使用一种新颖的、以标注者为中心的召回率-标注工作量权衡指标，比较了多种底层模型和数据集的结果，从而评估该方法的有效性。最终提出一种方法，能在大幅减少完全人工标注所需工作量的同时，获得97%的召回率。代码与数据可在[此 https 链接]获取。
评注：第17届语言学标注研讨会（LAW-XVII）短文。10页，6张图，1张表。
学科：计算与语言（cs.CL）
引用方式：arXiv:2306.05434 [cs.CL]
提交历史：2023年6月6日（星期二）18:06:24 UTC（v1）FINISHED
