Sep, 2023

基于中心词识别的嵌套事件抽取

PDF
TL;DR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。
nested event extractionpivot elementsperneenee methodsace2005-nest
发现论文，激发创造
  • 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

  • 基于指针网络编码器 - 解码器架构的事件结构提取

    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。

    Nov, 2022

  • 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

  • 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

  • MEE：一份新颖的多语言事件提取数据集

    提出了一种新的跨语言的事件抽取数据集，称为 MEE，其中注释了 8 种具有不同语言类型的语言中的 50000 多个实体提及、事件触发和事件参数。在此数据集上进行的实验发现多语言事件抽取的挑战和机遇。

    Nov, 2022

  • 基于注意力图信息聚合的联合多事件抽取

    本文提出了一种新的 Jointly Multiple Events Extraction (JMEE) 框架，采用语法快捷弧增强信息流和基于注意力机制的图卷积网络建模图信息，实现了同时提取多个事件触发器和参数，结果显示该框架与现有方法竞争性强。

    Sep, 2018

  • 基于搜索的神经模型用于生物医学嵌套和重叠事件检测

    本研究针对嵌套和重叠事件检测任务，提出了一种新的基于搜索的神经网络（SBNN）结构预测模型。该模型将任务视为触发器 - 参数结构的关系图上的搜索问题，并定义了构建事件的操作。在不使用任何句法和手动设计的特征的情况下，在 BioNLP 癌症遗传学共享任务 2013 上，该模型达到了与 TEES 模型可比的性能，同时在开发集上的进一步分析表明，该模型在提高 F1 分数性能的同时更具有计算效率。

    Oct, 2019

  • CMNEE：基于开源中国军事新闻的大规模文档级事件抽取数据集

    提取军事文本中的结构化事件知识，包括事件触发器和相应的参数，对于许多应用非常重要，如情报分析和决策辅助。本研究提出了 CMNEE，一个大规模的、以文件级别为单位的开源中国军事新闻事件提取数据集，包含 17,000 个文档和 29,223 个事件，这些事件均按照事先定义的军事领域模式进行手动注释，包括 8 种事件类型和 11 种参数角色类型。与其他领域数据集相比，对 CMNEE 的实验结果明显不理想，这表明军事领域的事件提取面临独特挑战，需要进一步的研究努力。可从此 https URL 获取我们的代码和数据。

    Apr, 2024

  • 通过概率偏置重新连接事件场域进行事件提取

    本文提出了一种基于 PLMs 的 EE 框架，通过建模句法相关的事件字段作为概率偏差，并探索相同触发器 / 参数多次出现的概率交互策略，以增强事件提取性能。在实验中证明了该方法的有效性和有效性。

    May, 2023

  • 重新审视事件论元提取：当 EAE 模型意识到事件共现时，是否能学得更好？

    本文主要介绍了通过利用事件共现特性可以提高事件提取以及事件参数提取质量，提出了一种基于表格生成的非自回归框架 TabEAE，并在 4 个数据集上进行了 3 种不同的训练推理方案实验，结果表明该方法在 4 个数据集上均达到了最优的性能表现。

    Jun, 2023