Jan, 2024
SEBERTNets: 面向金融领域的事件实体提取任务的序列增强 BERT 网络
SEBERTNets: Sequence Enhanced BERT Networks for Event Entity Extraction Tasks Oriented to the Finance Field
Congqing He, Xiangyu Zhu, Yuquan Le, Yuzhong Liu, Jianhong Yin
TL;DR提出了一种新型模型 SEBERTNets,能够准确提取事件实体和有效识别相应的事件实体,同时捕获序列语义信息;此外,还提出了一种混合序列增强 BERT 模型 HSEBERTNets,采用多通道召回方法来识别所有相应的事件实体。实验结果表明,SEBERTNets 的 F1 分数为 0.905,HSEBERTNets 的 F1 分数为 0.934,证明了方法的有效性。