检索结果-南通市图书馆

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于伪触发词的并行预测篇章级事件抽取方法

电子技术应用 2024年第4期50卷 67-74页

作者：秦海涛线岩团相艳黄于欣昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省人工智能重点实验室云南昆明650500

篇章级事件抽取一般将事件抽取任务分为候选实体识别、事件检测和论元识别3个子任务,然后采用级联的方式依次进行,这样的方式会造成误差传递;另外,现有的大多数模型在解码事件时,对事件数量的预测隐含在解码过程中,且只能按照预定义的... 详细信息

篇章级事件抽取一般将事件抽取任务分为候选实体识别、事件检测和论元识别3个子任务,然后采用级联的方式依次进行,这样的方式会造成误差传递;另外,现有的大多数模型在解码事件时,对事件数量的预测隐含在解码过程中,且只能按照预定义的事件顺序及预定义的角色顺序预测事件论元,使得先抽取的事件并没有考虑到后面抽取的事件。针对以上问题提出一种多任务联合的并行预测事件抽取框架。首先,使用预训练语言模型作为文档句子的编码器,检测文档中存在的事件类型,并使用结构化自注意力机制获取伪触发词特征,预测每种事件类型的事件数量;然后将伪触发词特征与候选论元特征进行交互,并行预测每个事件对应的事件论元,在大幅缩减模型训练时间的同时获得与基线模型相比更好的性能。最终事件抽取结果F1值为78%,事件类型检测子任务F1值为98.7%,事件数量预测子任务F1值为90.1%,实体识别子任务F1值为90.3%。

关键词：篇章级事件抽取多任务联合预训练语言模型结构化自注意力机制并行预测

在线全文

学校读者我要写书评

暂无评论

篇章级事件抽取方法研究

篇章级事件抽取方法研究

作者：李宗蔚哈尔滨工业大学

学位级别：硕士

篇章级事件抽取是信息抽取技术的一个分支,可以从篇章文本中自动抽取出用户感兴趣的结构化的事实信息,目前已经在金融、法律、医疗、新闻摘要等领域有着极高的应用价值。本文在分析当前流行的句子级和篇章级事件抽取方法的基础上,以解... 详细信息

篇章级事件抽取是信息抽取技术的一个分支,可以从篇章文本中自动抽取出用户感兴趣的结构化的事实信息,目前已经在金融、法律、医疗、新闻摘要等领域有着极高的应用价值。本文在分析当前流行的句子级和篇章级事件抽取方法的基础上,以解决篇章级事件划分和论元分散等问题为目的,我们提出了基于论元粒度的统一评价指标,并从以下三个方面做了充分研究:(1)基于阅读理解技术的流水线式篇章级事件抽取方法研究。本文提出了一种基于统计方法的事件核心句和事件核心论元标注策略,并将其用于篇章级事件划分,从而将篇章级事件抽取任务转化成句子级事件抽取任务,这让我们可以使用机器阅读理解模型完成论元的抽取。我们基于机器阅读理解的流水线方法在测试集达到了61.07%的微平均F1值。(2)基于论元关系图的篇章级事件抽取方法研究。本文在现有的论元相似性假设下,围绕自选取的核心论元来建立基于的论元关系图的篇章级事件抽取框架。通过使用注意力机制、异质图卷积神经网络等方法利用篇章上下文信息增强论元实体编码的表示,大大改进了现有的篇章级事件抽取模型。我们基于论元关系图的篇章级事件抽取方法在测试集达到了79.88%的微平均F1值。(3)融合机器阅读理解和论元关系图的篇章级事件抽取方法研究。为了结合以上两种方法的优势,本文将在句子级信息抽取任务中表现优越的阅读理解模型用于角色分类阶段,得到了本文最优的模型,在测试集达到了80.06%的微平均F1值。

关键词：事件抽取篇章级事件抽取机器阅读理解图卷积神经网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向新冠新闻的三阶段篇章级事件抽取方法

计算机工程与应用 2023年第3期59卷 150-157页

作者：郭鑫高彩翔陈千王素格王雪婧山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

事件抽取是信息抽取领域的一个研究热点。在新冠肺炎疫情常态化下,利用事件抽取技术可以筛选出有价值的信息。然而事件抽取领域缺乏精标注的新冠新闻训练数据集,且因部分事件的复杂性,论元不只存在于一句话中,需要多个句子才能完整描述... 详细信息

事件抽取是信息抽取领域的一个研究热点。在新冠肺炎疫情常态化下,利用事件抽取技术可以筛选出有价值的信息。然而事件抽取领域缺乏精标注的新冠新闻训练数据集,且因部分事件的复杂性,论元不只存在于一句话中,需要多个句子才能完整描述一个事件。因此,首先构建新冠肺炎新闻数据集,接着提出一种三阶段的管道方法实现从篇章中抽取新冠肺炎事件。该方法对数据集进行事件类型分类;进行事件句的抽取;实现篇章级论元抽取。实验结果表明提出的方法能够减少事件分类时间,抽取两个事件句的条件下,对数据通报类论元识别效果最好,准确率、召回率和F1值达到75.0%、73.0%,和74.0%,证明方法能有效抽取新冠肺炎相关篇章级事件。

关键词：新冠肺炎信息抽取事件句抽取篇章级事件抽取

在线全文

学校读者我要写书评

暂无评论

基于阅读理解与图神经网络的篇章级事件抽取

中文信息学报 2023年第8期37卷 95-103页

作者：张亚君谭红叶山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

篇章级事件抽取是从篇章文本抽取出事件类型及其对应的论元。现有的篇章级事件抽取模型面临着以下挑战:①忽略了角色释义的先验信息,导致事件元素候选识别不准确;②事件论元分散于不同的句子,需要聚合篇章级信息。为了解决这些问题,该... 详细信息

篇章级事件抽取是从篇章文本抽取出事件类型及其对应的论元。现有的篇章级事件抽取模型面临着以下挑战:①忽略了角色释义的先验信息,导致事件元素候选识别不准确;②事件论元分散于不同的句子,需要聚合篇章级信息。为了解决这些问题,该文提出了基于阅读理解与图神经网络的篇章级事件抽取模型:将事件元素候选识别建模为阅读理解任务,利用角色释义,根据不同模板构建问题在上下文中回答这些问题进行事件元素抽取;将得到的事件元素通过图神经网络建模,获得分散在不同句子中论元的篇章级表示。在百度金融篇章级数据集(DuEE-fin)和中国金融数据集(ChinFinAnn)上进行实验表明,该方法能有效利用先验信息并建模论元间的联系。

关键词：篇章级事件抽取阅读理解图神经网络

在线全文

学校读者我要写书评

暂无评论

基于深度学习的篇章级事件抽取研究综述

计算机工程与应用 2022年第24期58卷 47-60页

作者：胡瑞娟周会娟刘海砚李健战略支援部队信息工程大学郑州450001

事件抽取是信息抽取领域中一项十分重要且具有挑战性的任务,在事理图谱构建、舆情监控、态势感知等方面起着举足轻重的作用。目前研究较多的是句子级事件抽取,而面对“论元分散”和“多事件”的挑战,基于深度学习的篇章级事件抽取陆续... 详细信息

事件抽取是信息抽取领域中一项十分重要且具有挑战性的任务,在事理图谱构建、舆情监控、态势感知等方面起着举足轻重的作用。目前研究较多的是句子级事件抽取,而面对“论元分散”和“多事件”的挑战,基于深度学习的篇章级事件抽取陆续展开。总结了篇章级事件抽取的定义、主要任务和面临的挑战,分别从获取词语、句子和文档三种不同粒度的语义信息,捕获文档结构特征建模不同的图结构,融合语义信息和结构特征,以及将事件抽取转化为阅读理解、智能问答等其他任务解决方案等四个不同的维度,详细讨论了近年来篇章级事件抽取相关的模型和方法,在此基础上归纳了常用数据集,并对典型方法的抽取效果进行了评估和对比。展望了篇章级事件抽取的研究趋势。

关键词：篇章级事件抽取论元分散多事件深度学习评价指标

在线全文

学校读者我要写书评

暂无评论

基于多粒度实体异构图的篇章级事件抽取方法

计算机科学 2023年第5期50卷 255-261页

作者：张虎张广军山西大学计算机与信息技术学院太原030006

篇章级事件抽取是一项面向多个句子长文本的事件抽取任务,现有的篇章级事件抽取研究一般将事件抽取分为候选实体抽取、事件检测和论元识别3个子任务,且通常采用联合学习的方式进行训练。然而,已有篇章级事件抽取方法大都采用逐句的方式... 详细信息

篇章级事件抽取是一项面向多个句子长文本的事件抽取任务,现有的篇章级事件抽取研究一般将事件抽取分为候选实体抽取、事件检测和论元识别3个子任务,且通常采用联合学习的方式进行训练。然而,已有篇章级事件抽取方法大都采用逐句的方式抽取候选实体,未考虑跨句的上下文信息,明显降低了实体抽取和论元识别的精度,影响了最终的事件抽取效果。基于此,文中提出了一种基于多粒度实体异构图的篇章级事件抽取方法。该方法分别采用Transformer和RoBerta两个独立的编码器进行句子级和段落级实体抽取;同时,提出了多粒度实体选择策略,从句子实体集和段落实体集中选择更可能是论元的实体,并进一步构造融入多粒度实体的异构图;最后,利用图卷积网络获得具有篇章级上下文感知的实体和句子表示,进行事件类型和事件论元的多标签分类,实现事件检测和论元识别。在ChFinAnn和Duee-fin数据集上进行了实验,结果表明,所提方法比以往的方法在F1值方面分别提高了约1.3%和3.9%,证明了该方法的有效性。

关键词：篇章级事件抽取事件抽取异构图实体抽取多粒度

在线全文

学校读者我要写书评

暂无评论

面向金融领域的篇章级事件抽取方法研究

面向金融领域的篇章级事件抽取方法研究

作者：卢江山西大学

学位级别：硕士

随着深度学习技术的发展和海量数据的挖掘,事件抽取任务受到国内外研究学者的广泛关注。面向金融领域的篇章事件抽取旨在从金融投资、智能决策、财政管控等文本中抽取出结构化的事件描述,为金融监管、舆情导向以及社会治理等领域提供重... 详细信息

随着深度学习技术的发展和海量数据的挖掘,事件抽取任务受到国内外研究学者的广泛关注。面向金融领域的篇章事件抽取旨在从金融投资、智能决策、财政管控等文本中抽取出结构化的事件描述,为金融监管、舆情导向以及社会治理等领域提供重要的数据支撑。其任务的挑战性体现在文本的复杂和事件结构的复杂。文本的复杂在于现有篇章事件标注数据较少、人工标注难度大、不同事件之间存在长尾分布,造成篇章事件数据稀疏;事件结构的复杂在于篇章包含多事件,事件论元分布在不同句子中,论元的跨句离散性阻碍了模型编码长距离的事件语义信息,造成论元识别不完整。针对以上两类问题,本文的主要研究内容如下:针对篇章事件数据稀疏问题,本文提出了一种基于框架语义映射和类型感知的篇章事件抽取方法。首先将汉语框架网(CFN)与中文篇章事件建立映射,并在文本输入层融入触发词释义信息、采用滑窗机制充分感知上下文以缓解文本输入受限带来的影响,其次在论元识别阶段将事件类型作为类别标签与篇章文本拼接共同作为输入特征,从而将篇章多事件转化为多个单事件,在一定程度上缓解了多事件论元重叠的现象,此外,进一步引入对抗训练,提升了模型的鲁棒性。在Du EE-fin和CCKS2021数据集上的实验结果显示,该方法较当前主流方法有一定提升。针对跨句论元分散问题,本文提出了一种基于异质图神经网络和事件子图的篇章事件抽取方法。首先通过实体识别得到句子与实体的信息表示,其次构建基于异质图神经网络的文档图,以捕获不同实体节点和边属性向量之间的信息,此外引入图注意力网络将包含多个关联句的事件进行划分,在不同事件中形成交互事件子图,既捕获了事件间的相关性,又保证了各子图的独立性,进一步改善篇章多事件带来的影响,在CFA数据集上证明了该方法的有效性。本文的主要贡献包括:(1)将CFN与篇章级事件抽取任务相结合,探索了框架与事件之间的联系,通过引入CFN这一外部知识,制定了框架与事件的三类约束,构造了框架与事件的两级映射。(2)提出了一种基于框架语义映射和类型感知的篇章事件抽取方法,改善了篇章事件数据稀疏问题,提升了事件抽取的性能。(3)提出了一种基于图神经网络和事件子图的篇章事件抽取方法,缓解了跨句论元分散问题,提升了模型的跨句论元整合能力。

关键词：金融领域篇章级事件抽取汉语框架网框架语义映射图神经网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

金融领域的篇章级事件抽取技术研究与实现

金融领域的篇章级事件抽取技术研究与实现

作者：汪鹏北京邮电大学

学位级别：硕士

当前金融领域的文本数据量庞大,快速提取文本中的事件相关信息有助于人们快速掌握金融活动概况。目前更多的金融文本数据是以长篇幅文本形式来呈现,传统的句子级事件抽取方法在篇章级金融文本上的表现较差。基于此情况,近些年有不少应... 详细信息

当前金融领域的文本数据量庞大,快速提取文本中的事件相关信息有助于人们快速掌握金融活动概况。目前更多的金融文本数据是以长篇幅文本形式来呈现,传统的句子级事件抽取方法在篇章级金融文本上的表现较差。基于此情况,近些年有不少应用于金融文本的篇章级事件抽取的相关研究工作出现。篇章级事件抽取的目的是从文档中抽取出结构化且完整的篇章级事件信息,主要提供的是句子级事件抽取方法所缺乏的解决事件元素分散和多事件问题的能力。本文针对这些问题,在面向金融文本的篇章级事件抽取任务上进行了以下研究工作:1)本文提出了融合长文本信息的事件元素抽取算法。在篇章级文本中,文本编码的效果对于改善事件元素抽取的性能十分重要。其中的主要问题是如何将篇章级文本的信息整体编码,以及如何将句子间的信息进行融合。现有方法没有考虑不同粒度金融文本的信息量差异。本文在长短期记忆网络和条件随机场这种传统命名实体识别方法的基础上,通过门控机制的引导将单句编码信息和多个句子的编码信息进行融合,引导模型学习泛化度更高的知识。实验结果表明所提出的算法能有效改善金融文本篇章级文本事件元素抽取的效果。2)本文提出了融合实体信息的篇章级文本编码算法。不同于句子级文本的信息编码,篇章级文本的篇幅较长,无法整体送入模型同时编码。但在对整篇文本进行事件抽取时,需要得到整篇文本的信息,例如句子间的前后关系和各个事件元素间的位置关系。现有方法没有考虑实体提及间的依赖信息,本文为实体提及设计了位置关系和指代关系,并融合实体提及间的关系信息指导文本编码,实验结果表明所提出的算法能有效提升金融文本篇章级文本的编码效果。3)设计实现了一个金融文本篇章级事件抽取实验系统。在前述算法研究基础上,本文基于B/S架构设计实现了一个篇章级金融文本的事件抽取系统,该系统拥有上传文本,完成文本中的事件信息抽取,并结构化展示事件信息的功能。

关键词：篇章级事件抽取事件元素抽取事件角色分类

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于联合标注和全局推理的篇章级事件抽取

中文信息学报 2019年第9期33卷 88-95,106页

作者：仲伟峰杨航陈玉博刘康赵军哈尔滨理工大学自动化学院黑龙江哈尔滨150080 中国科学院自动化研究所模式识别国家重点实验室北京100190

事件抽取可以帮助人们从海量的文本中快速、准确地获取感兴趣的事件知识。然而,目前事件抽取的研究主要集中在从单一句子中抽取事件,由于事件构成的复杂性和语言表述的多样性,多数情况下多句才能完整地描述一个事件。因此,从篇章中抽取... 详细信息

事件抽取可以帮助人们从海量的文本中快速、准确地获取感兴趣的事件知识。然而,目前事件抽取的研究主要集中在从单一句子中抽取事件,由于事件构成的复杂性和语言表述的多样性,多数情况下多句才能完整地描述一个事件。因此,从篇章中抽取出完整的结构化事件信息,显得更有价值和意义。该文首先利用基于注意力机制的序列标注模型联合抽取句子级事件的触发词和实体,与独立进行实体抽取和事件识别相比,联合标注的方法在F值上提升了1个百分点。然后利用多层感知机判断实体在事件中扮演的角色。最后,在句子级事件抽取的基础上,利用整数线性规划的方法进行全局推理,融合句子级事件信息,实现篇章级事件抽取,与基线模型相比,这种基于全局推理的篇章级事件抽取在F值上提升了3个百分点。

关键词：篇章级事件抽取联合标注全局推理