Mar, 2021

分解和重新组合事件结构

PDF
TL;DR本论文基于句子 - 和文档级别的通用分解语义（UDS）图上的推论属性，以及支持该归纳的领域内现有注释，提出一个与语义角色、实体和事件 - 事件关系分类相结合的事件结构分类。通过使用这些图结构化的文档级生成模型，这篇论文识别了包括语境中细粒度事件的时间和语法结构的大量推论属性，从而构建了目前最大的事件结构和（部分）事件指代注释数据集。
event structure classificationuniversal decompositional semanticssemantic roleinferential propertiesevent coreference
发现论文，激发创造
  • 细粒度时间关系提取

    本研究提出了一种新的语义框架来建模时间关系和事件持续时间，构建了迄今为止最大的时间关系数据集，并利用该数据集训练了预测细粒度时间关系和事件持续时间的模型，表现出强大的实验结果，并展示了预测分类关系的迁移学习方法的功效。

    Feb, 2019

  • 基于图的事件序列解码与指代消解

    本文研究文本中的事件关系，提出一种适用于事件核对和事件排序的基于图的解码算法，支持灵活的特征集，通过实证研究，我们的事件核对系统在 TAC-KBP 2015 事件核对任务中取得了最先进的性能，而我们的事件排序系统则超越了基于时间的或预先知道答案的基线。

    Jun, 2018

  • 通过篇章结构和语义信息增强跨文档事件共指消解

    通过构建文档级的修辞结构理论（Rhetorical Structure Theory, RST）树和跨文档词汇链，再利用异构图和 GAT 模型学习事件的表示，最后使用标准聚类算法识别共指事件，我们提出了针对现有的完全依赖于长距离依赖关系的事件关联模型不足的解决方案，并且在英文和中文数据集上都取得了显著的突破，超过了所有基准模型。

    Jun, 2024

  • 通用分解语义解析

    介绍一种用于自然语言处理的跨识别模型，能够将自然语言转化为通用分解语义表现形式（UDS）的图结构，并将其注释为分解语义属性分数，同时实现了属性预测。通过分析属性预测错误，发现模型捕捉到属性组之间的自然关系。

    Oct, 2019

  • 语义信息驱动的层次化事件建模

    本研究提出了一种新颖的、具有层级结构的半监督事件建模框架，结合序列潜变量模型和本体知识，通过一系列的结构化潜变量层对语义知识进行制导，成功提高事件建模的表现，并在两个数据集上的四种不同评估指标上均优于先前现有的最佳方法。

    Dec, 2022

  • 重新审视跨文档实体和事件共指消解的联合建模

    本文提出了一种基于神经网络结构的跨文档匹配方法，能够有效地进行实体和事件的引用关系识别，其中考虑了实体和事件的上下文以及谓词 - 参数结构等因素。该方法在 ECB + 语料库上的表现优于之前的状态 - 最优事件 - coreference 模型，并提供了该语料库上的第一个实体 - coreference 结果。

    Jun, 2019

  • 事件关系抽取的联合约束学习

    提出了一种联合约束学习框架来对事件 - 事件关系进行建模，这种方法有效弥补了联合标记数据的缺失，并在时间关系提取和事件层级构建方面优于现有的方法，同时也可在外部语料库上诱导事件复合体的有效性。

    Oct, 2020

  • Text2Event: 可控制序列结构生成的端到端事件提取

    本文提出了 Text2Event 模型，一种基于序列到结构生成范式的端到端学习模型，通过统一建模和普遍预测不同类型的标签，使用仅有记录级注释的情况下，实现了在监督和迁移学习中获得竞争性表现的事件抽取方法。

    Jun, 2021

  • 序列跨文档指代消解

    本文提出一种将有效的顺序预测范例用于跨文档指代消解的新模型，通过增量式将提及点组合成集群表征，并预测提及点与已构建的集群之间的链接，近似高阶模型，既成为实体和事件指代消解领域中具有竞争力的解决方案，也提供了不同输入和表示类型在对指代消解过程中的重要性的新见解。

    Apr, 2021

  • 事件 GDR：以事件为中心的生成式文档检索

    提出了 Event GDR，一种以事件为中心的生成式文档检索模型，通过将事件知识集成到任务中，解决了忽略文档内部内容相关性和标识符构建缺乏明确语义结构的两个挑战。通过多代理的交换 - 反射方法来进行事件知识提取，利用事件和关系对文档进行建模以保证全面性和内部内容相关性，将事件映射到明确的事件分类法构建标识符。实验证明，该方法在两个数据集上明显优于基线，并希望为未来的研究提供启示。

    May, 2024