【论文写作分析】之三《基于预训练语言模型的案件要素识别方法》

[1] 参考论文信息

  论文名称：《基于预训练语言模型的案件要素识别方法》

  发布期刊：《中文信息学报》

  期刊信息：CSCD

  论文写作分析摘要：本文非常典型。首先网络模型是直接用的一篇英论的；亮点仍然在于应用领域的新颖，即案件；其次本文的题目起得不错，要素识别（而不是多标签文本分类）；论文的实验部分个人觉得写的非常好，三组对比实验，看起来很充实。、

【注】：看完这篇论文，感觉我和论文之间就差一个新颖的领域（数据集）。

[2] 参考论文分解

  这篇论文前大部分都比较普通吧。下面是模型图：

  模型几乎是直接使用的《SGM: Sequence Generation Model for Multi-Label Classification》中的模型。

  比较好的是，论文开头，对新领域“案件”的要素识别介绍的挺好的。

【注】：论文 SGM: Sequence Generation Model for Multi-Label Classification 讲解博客地址

  实验部分，论文做了3组实验：

  1、论文模型与其他baseline的实验对比。
  2、生成式模型与阈值式模型的实验对比。
  3、Ｌａｙｅｒ－ａｔｔｅｎｔｉｖｅ策略的作用 。

  我觉得最好的是论文对阈值式模型使用方法的介绍：

  提出类别阈值选择方法。而我之前一直是设一个阈值$alpha$，模型的输出经过sigmoid之后，只要大于$alpha$，就算文本有这个标签，这样肯定不对，但是一直没看到好的方法。