面向文档级事件论元抽取的语义提及图增强模型

文档级事件论元抽取（DEAE）旨在从非结构化文档中识别论元及其具体角色。在先进的方法中，DEAE主要利用基于提示的方法引导预训练语言模型（PLM）从输入文档中抽取论元，主要关注触发词与实体提及之间的关系，但仍存在两个未解决的问题：a）独立建模实体提及；b）文档提示的孤立。为此，本文提出一种语义提及图增强模型（GAM）。首先，GAM构建语义提及图，捕捉文档与提示之间以及各提示之间内在及跨文档的关系，包括共存关系、指代关系和共类型关系。进一步，我们引入集成图变换器模块，以有效处理提及及其三种语义关系。随后，图增强编码器-解码器模块将关系特定的图纳入输入嵌入，并利用拓扑信息优化编码器部分，从而全面增强关系表达。在RAMS和WikiEvents数据集上的大量实验表明，我们的方法有效，超越了基线方法，实现了新的状态最佳性能。