基于多粒度实体异构图的篇章级事件抽取方法 |
| |
引用本文: | 张虎,张广军.基于多粒度实体异构图的篇章级事件抽取方法[J].计算机科学,2023(5):255-261. |
| |
作者姓名: | 张虎 张广军 |
| |
作者单位: | 山西大学计算机与信息技术学院 |
| |
基金项目: | 国家自然科学基金(62176145);;国家重点研发计划(2020AAA0106100)~~; |
| |
摘 要: | 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 |
|
|