篇章级文本的事件图谱构建与事件抽取方法
Document-level event graph construction and event extraction method for text data
张源奔 1赵一斐 2赵志浩 3韩众和 4张利利 4谢辉平4
作者信息
- 1. 中国科学院空天信息创新研究院,北京 100190;中国科学院网络信息体系技术重点实验室,北京 100190;中国科学院 齐鲁空天信息研究院,山东 济南 250000
- 2. 北京化工大学信息科学与技术学院,北京 100029
- 3. 中国科学院 齐鲁空天信息研究院,山东 济南 250000
- 4. 中国科学院空天信息创新研究院,北京 100190;中国科学院网络信息体系技术重点实验室,北京 100190
- 折叠
摘要
针对篇章级事件抽取任务主要存在的以下3个挑战:模型复杂、事件论元分散以及多事件抽取,提出一种基于异质交互图和有序树的篇章级事件抽取方法DTHIGN.支持以解耦实体抽取部分的方式精简模型的参数;构建面向触发词的篇章级异质交互图,更全面地对语义进行建模;支持使用基于统一事件模板的树形事件论元抽取方式获得事件论元结果.实验结果表明,该方法能够获得较好的效果并显著降低模型的训练难度.
Abstract
To solve three main challenges in the task of document-level event extraction(DEE),namely model complexity,scat-tered event arguments,and multi-events extraction,a DEE method DTHIGN based on heterogeneous interaction graphs and or-der tree was proposed.This method supported reducing parameters of itself by decoupling entity extraction part.Document-level trigger-oriented heterogeneous interaction graph was constructed to model semantics more comprehensively.The tree-based event argument extraction method with unified event template was used to obtain event arguments results.Experimental results show that the proposed method achieves better performance and significantly reduces the training complexity.
关键词
深度学习/自然语言处理/事件图谱/事件抽取/事件论元抽取/异质图/图卷积网络Key words
deep learning/natural language processing/event graph/event extraction/event argument extraction/heteroge-neous graph/graph convolution network引用本文复制引用
出版年
2024
NETL
NSTL
万方数据