基于机器阅读理解的事件检测方法

为提高事件检测任务的性能，将该任务重定义为一种提示范式，该范式使用问答对的形式将事件检测转化为机器阅读问题。同时，设计了一种名为WLBert-BiGRU的学习模型对问答对中的事件触发词进行预测，该模型使用Weight-Layers策略丰富Bert模型的语义表征能力，并使用双向门控循环单元神经网络（Bi-GRU）方法强化模型对事件触发词的识别能力。在ACE 2005数据集上的实验结果表明，本文方法在事件触发词识别和分类上的F1指标分别达到了78.1%和75.1%，较现有的工作平均提高了4.18%和4.3%。