基于双重注意力机制的事件抽取方法

作     者：朱敏 毛莺池 程永 陈程军 王龙宝 ZHU Min;MAO Ying-Chi;CHENG Yong;CHEN Cheng-Jun;WANG Long-Bao

作者机构：河海大学计算机与信息学院江苏南京211100 水利部水利大数据重点实验室(河海大学)江苏南京211100 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2023年第34卷第7期

页      面：3226-3240页

核心收录：

学科分类：0710[理学-生物学] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0701[理学-数学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(2018YFC0407105) 江苏省重点研发计划(BE2020729) 江苏省研究生科研创新项目(B200203130) 华能集团总部科技项目(HNKJ19-H12) 

主　　题：事件抽取 双重注意力 依赖关系 论元填充 神经网络 

摘      要：针对事件抽取存在未充分利用句法关系、论元角色缺失的情况,提出了基于双重注意力机制的事件抽取(event extraction based on dual attention mechanism,EEDAM)方法,有助于提高事件抽取的精确率和召回率.首先,基于4种嵌入向量进行句子编码,引入依赖关系,构建依赖关系图,使深度神经网络可以充分利用句法关系.然后,通过图转换注意网络生成新的依赖弧和聚合节点信息,捕获长程依赖关系和潜在交互,加权融合注意力网络,捕捉句中关键的语义信息,抽取句子级事件论元,提升模型预测能力.最后,利用关键句检测和相似性排序,进行文档级论元填充.实验结果表明,采用基于双重注意力机制的事件抽取方法,在ACE2005数据集上,较最佳基线联合多中文事件抽取器(joint multiple Chinese event extractor,JMCEE)在精确率、召回率和F1-score分别提高17.82%、4.61%、9.80%;在大坝安全运行日志数据集上,较最佳基线JMCEE在精确率、召回率和F1-score上分别提高18.08%、4.41%、9.93%.