基于AMR的链接预测方法用于文档级事件论元抽取
计算与语言
2023-05-31 v1
摘要
近期工作将抽象语义表示（AMR）引入文档级事件论元抽取（Doc-level EAE），因为AMR提供了对复杂语义结构的有用解释并有助于捕捉长距离依赖。然而，这些工作中AMR仅被隐式使用，例如作为额外特征或训练信号。鉴于所有事件结构均可从AMR推断，本工作将EAE重新表述为AMR图上的链接预测问题。由于AMR是通用结构且并不完全适合EAE，我们提出了一种新颖图结构——定制AMR图（TAG），其压缩信息量较少的子图与边类型，整合跨度信息，并突出同一文档中的周边事件。基于TAG，我们进一步提出一种使用图神经网络作为链接预测模型来寻找事件论元的新方法。我们在WikiEvents与RAMS上的大量实验表明，这一更简洁的方法分别以3.63pt和2.33pt F1优于最先进模型，且推理时间减少56%。代码见 https://github.com/ayyyq/TARA。
引用
@article{arxiv.2305.19162,
title = {An AMR-based Link Prediction Approach for Document-level Event Argument Extraction},
author = {Yuqing Yang and Qipeng Guo and Xiangkun Hu and Yue Zhang and Xipeng Qiu and Zheng Zhang},
journal= {arXiv preprint arXiv:2305.19162},
year = {2023}
}
备注
Accepted to ACL 2023