通过双向实体级循环解码器捕获事件论元交互
计算与语言
2021-07-02 v1
摘要
捕获事件论元之间的交互是实现鲁棒事件论元抽取（EAE）的关键步骤。然而，现有相关努力存在两个局限：1）上下文实体的论元角色类型信息主要用作训练信号，忽视了将其直接作为语义丰富的输入特征使用的潜在优势；2）论元级序列语义（即论元角色在事件提及上的整体分布模式）未被充分刻画。为突破上述两个瓶颈，我们首次将 EAE 形式化为类 Seq2Seq 的学习问题，其中带有特定事件触发词的句子被映射为事件论元角色序列。我们提出一种带有新颖双向实体级循环解码器（BERD）的神经网络架构，通过融入上下文实体的论元角色预测来生成论元角色，如同逐词文本生成过程，从而更精确地辨别事件内部的隐式论元分布模式。
引用
@article{arxiv.2107.00189,
title = {Capturing Event Argument Interaction via A Bi-Directional Entity-Level Recurrent Decoder},
author = {Xiangyu Xi and Wei Ye and Shikun Zhang and Quanxiu Wang and Huixing Jiang and Wei Wu},
journal= {arXiv preprint arXiv:2107.00189},
year = {2021}
}