基于语义混淆矫正的持续事件抽取
计算与语言
2023-10-25 v1 机器学习
摘要
我们研究持续事件抽取，旨在持续抽取不断涌现的事件信息同时避免遗忘。我们观察到，事件类型上的语义混淆源于同一文本的标注随时间更新。事件类型间的不平衡甚至加剧了该问题。本文提出一种新颖的带语义混淆矫正的持续事件抽取模型。我们为每句标注伪标签以缓解语义混淆。我们在当前与前序模型间迁移关键知识，以增强对事件类型的理解。此外，我们通过利用其他关联类型，促使模型关注长尾事件类型的语义。实验结果表明，我们的模型优于最先进基线，并在不平衡数据集上表现优异。
引用
@article{arxiv.2310.15470,
title = {Continual Event Extraction with Semantic Confusion Rectification},
author = {Zitao Wang and Xinyi Wang and Wei Hu},
journal= {arXiv preprint arXiv:2310.15470},
year = {2023}
}
备注
Accepted in the 2023 Conference on Empirical Methods in Natural Language Processing (EMNLP 2023)