Doc2EDAG：一种面向中文金融事件抽取端到端文档级框架
计算与语言
2019-09-24 v2 机器学习
摘要
大多数现有的事件抽取（EE）方法仅在句子范围内抽取事件论元。然而，这类句子级 EE 方法难以处理来自金融、立法、健康等新兴应用的大量文档，其中事件论元总是分散于不同句子，甚至多个此类事件提及常共存于同一文档。为应对这些挑战，我们提出一种新颖的端到端模型 Doc2EDAG，它能生成基于实体的有向无环图以有效完成文档级 EE（DEE）。此外，我们通过无触发词设计重构了 DEE 任务，以简化文档级事件标注。为验证 Doc2EDAG 的有效性，我们构建了包含上述挑战的大规模真实中文金融公告数据集。大量带全面分析的试验表明 Doc2EDAG 优于 state-of-the-art 方法。数据和代码见 https://github.com/dolphin-zs/Doc2EDAG。
引用
@article{arxiv.1904.07535,
title = {Doc2EDAG: An End-to-End Document-level Framework for Chinese Financial Event Extraction},
author = {Shun Zheng and Wei Cao and Wei Xu and Jiang Bian},
journal= {arXiv preprint arXiv:1904.07535},
year = {2019}
}
备注
Accepted by EMNLP 2019