Nov, 2022

基于指针网络编码器 - 解码器架构的事件结构提取

PDF
TL;DR通过提出基于指针网络的编码器 - 解码器模型，构建一种与众不同的元组格式以表示事件记录和相应角色信息，实现事件信息的提取和表示的端到端解决方案，实验表明此方法在 ACE2005 数据集上取得了具有竞争力的效果。
event extractionstructured formatencoder-decoder modelend-to-end solutionace2005 dataset
发现论文，激发创造
  • 结构语义匹配实现联合事件抽取

    本研究提出了一种基于深度学习的 NLP 模型，利用语义类型嵌入和动态结构编码器模块进行事件抽取和论证角色提取，用于信息抽取的关键任务之一的事件提取，并在 ACE2005 数据集上取得了显著的性能提升。

    Jun, 2023

  • 事件论元抽取的资源增强神经模型

    该研究提出了利用语法引导 transformer 的长距离依存关系，来提高事件面向序列编码的实体识别性能。在 ACE2005 数据集上，该方法取得了新的最高性能。

    Oct, 2020

  • 使用图卷积网络沿最短依赖路径进行联合事件抽取

    本文提出了一种基于短依赖路径的关注图卷积网络的联合事件抽取框架，该框架可同时抽取多个事件触发器和参数，并捕捉参数之间的关联信息，实现对长距离依赖关系的建模，达到了与最先进方法的实质性改进。

    Mar, 2020

  • CasEE: 基于级联解码的重叠事件抽取联合学习框架

    本研究提出了一种名为 CasEE 的联合学习框架，用于解决事件提取过程中存在的事件重叠问题，它可以有效地提取具有不同角色的多种类型的事件，同时在 FewFC 数据集上得到了显著的提升。

    Jul, 2021

  • 查询和提取：基于类型导向二进制解码的事件抽取优化

    本文提出了一种新的事件提取框架，该框架使用事件类型和参数角色作为自然语言查询，从输入文本中提取候选触发器和参数。通过查询中的丰富语义，我们的框架受益于注意机制，以更好地捕捉事件类型或参数角色与输入文本之间的语义相关性。此外，查询和提取公式允许我们的方法将来自各种本体的所有可用事件注释作为统一模型来利用。在 ACE 和 ERE 上的实验表明，本方法在每个数据集上均取得了最先进的性能，并在零 - shot 事件提取上显著优于现有方法。

    Oct, 2021

  • EventGraph：事件提取作为语义图解析

    本文介绍了 EventGraph，一种将事件编码为图形的联合框架，通过将触发事件和参数表示为语义图形中的节点，以此来解决事件提取的问题，并表明该模型在 ACE2005 上达到了和最先进的系统一样的结果，并且在参数提取方面有了显著的改善。

    Oct, 2022

  • 基于中心词识别的嵌套事件抽取

    本文提出了一种名为 PerNee 的新模型，它通过识别 Pivot Elements 来提取嵌套事件，以改进现有的 Nested Event Extraction 方法。PerNee 通过 prompt learning 将事件类型和参数角色的信息融入其中，以获得更好的触发器和参数表示，从而在 ACE2005-Nest、Genia11 和 Genia13 数据集上取得了最先进的性能。

    Sep, 2023

  • OneEE：一种快速重叠和嵌套事件提取的一阶段框架

    OneEE 是一种简单而有效的标注方案和模型，将事件提取作为词词关系识别来表述，它在同时识别触发词或参数词之间的关系方面表现出色，具有很快的事件提取速度，并在 FewFC、Genia11 和 Genia13 三个基准测试上取得了最先进的结果。

    Sep, 2022

  • 通过明确汇总事件信息来实现面向类型的解码的文档级事件抽取

    该论文介绍了一种新颖的基于模式的 SEA（Schema-based Explicitly Aggregating）模型，以解决文档级事件抽取中事件类型和参数之间的干扰问题，同时在 ChFinAnn 和 DuEE-fin 数据集上的实验证明该模型优于现有方法。

    Oct, 2023

  • 通过双向实体级递归解码器捕获事件参数交互

    该研究提出了一种 Seq2Seq-like 的神经网络结构，用于解决事件参数抽取中存在的训练信号和顺序语义不足的问题，该结构使用具有上下文信息的实体 - 角色预测来生成参数角色。

    Jul, 2021