两阶段问答范式的生物医学事件触发词检测

现有的生物医学事件触发词检测存在以下缺陷：保留了与触发词无关的冗余信息；忽略了实体与事件之间的潜在关联性；传统方法容易受到数据稀缺性的影响。针对上述问题，提出了一种两阶段问答范式的生物医学事件触发词检测方法。在事件类型识别阶段，采用基于句法距离的注意力捕获更有意义的上下文特征，排除无关信息的干扰；为了有效利用实体中的潜在特征，采用全局统计的单词-实体-事件共现特征，指导事件类型感知注意力挖掘词与事件之间的强关联性。在触发词定位阶段，根据识别出的事件类型，制定问题回答该事件对应的触发词索引，从而利用丰富的问答数据库实现数据增强。在MLEE语料库上的结果表明，两阶段问答范式、句法距离和事件类型感知注意力都有效地提升了模型性能，所提出的模型取得了81.39%的F1分数，并在多个事件类型上的详细结果均优于其他基线模型。