基于任务转化的事件抽取通用框架
General Framework for Event Extraction Based on Task Transformation作者机构:战略支援部队信息工程大学洛阳校区河南洛阳471003 战略支援部队信息工程大学郑州450001
出 版 物:《计算机工程与应用》 (Computer Engineering and Applications)
年 卷 期:2024年第60卷第15期
页 面:133-142页
学科分类: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] 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)]
摘 要:论元分散、多重事件和论元重叠是事件抽取长期面临的挑战,许多任务还存在触发词或位置标注缺失的情况。对此,提出一种基于任务转化的事件抽取通用框架,包括任务转化、关系抽取和事件预测3个模块。有触发词和无触发词的标注事件分别被转化为不同形式的关系三元组;这些三元组将与原始文本一起作为关系抽取模型的训练数据;事件预测时先从输入文本中抽取三元组,再将它们还原为目标事件。对于训练语料中位置标注缺失的情况,设计了基于最短距离的论元定位算法。该框架在ChFinAnn数据集上取得81.6%的平均F1值,在DuEE-Fin数据集上的F1值为72.04%(在线提交结果),均达到目前的SOTA水平。实验结果表明,该框架不仅可以显著提高事件抽取效果,而且具有广泛的适应能力。