文档级事件抽取反向推理模型

TP391.1; 事件抽取旨在从非结构化文本中检测事件类型并抽取事件要素.现有方法在处理文档级文本时仍存在局限性.这是因为文档级文本可能由多个事件组成,并且构成某一事件的事件要素通常分散在不同句子中.为应对上述挑战,提出了一种文档级事件抽取反向推理模型(reverse inference model for document-level event extraction,RIDEE).基于无触发词的设计,将文档级事件抽取转化为候选事件要素抽取和事件触发推理两个子任务,并行式抽取事件要素并检测事件类型.此外,设计了一种用于存储历史事件的事件依赖池,使得模型在处理多事件文本时可以充分利用事件之间的...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 60; no. 5; pp. 122 - 129
Main Authors 纪婉婷, 马宇航, 鲁闻一, 王俊陆, 宋宝燕
Format Journal Article
LanguageChinese
Published 辽宁大学 信息学院,沈阳 110036 01.03.2024
Subjects
反向推理
event dependency pool
without trigger words
文档级事件抽取
reverse inference
无触发词
事件依赖池
document-level event extraction
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2210-0237

Cover

More Information
Summary:TP391.1; 事件抽取旨在从非结构化文本中检测事件类型并抽取事件要素.现有方法在处理文档级文本时仍存在局限性.这是因为文档级文本可能由多个事件组成,并且构成某一事件的事件要素通常分散在不同句子中.为应对上述挑战,提出了一种文档级事件抽取反向推理模型(reverse inference model for document-level event extraction,RIDEE).基于无触发词的设计,将文档级事件抽取转化为候选事件要素抽取和事件触发推理两个子任务,并行式抽取事件要素并检测事件类型.此外,设计了一种用于存储历史事件的事件依赖池,使得模型在处理多事件文本时可以充分利用事件之间的依赖关系.公开数据集上的实验结果表明,与现有事件抽取模型相比,RIDEE在进行文档级事件抽取时具有更优的性能.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2210-0237