通过句子简化改进零样本事件抽取
计算与语言
2022-04-07 v1 人工智能
摘要
ACLED 和 Our World in Data 等网站的成功，证明了以新闻、社交媒体、博客和讨论论坛等形式从海量文本数据中提取结构化事件的重大效用。事件抽取可为了解持续的地缘政治危机提供窗口，并产生可操作的情报。随着大型预训练语言模型的普及，机器阅读理解（MRC）近期已成为事件抽取的新范式。该方法将事件论元抽取构建为抽取式问答任务。基于 MRC 的方法的主要优势之一是其零样本抽取能力。然而，长距离依赖问题（即触发词与论元词之间较大的词汇距离）以及句法复杂句子处理的困难，困扰着基于 MRC 的方法。本文中，我们提出一种通用方法，通过由 MRC 模型自身引导的无监督句子简化，来提升基于 MRC 的事件抽取性能。我们在 ICEWS 地缘政治事件抽取数据集上评估了该方法，特别关注“行为体（Actor）”和“目标（Target）”论元角色。我们展示了此类上下文简化如何将基于 MRC 的事件抽取性能提升超过 5%（行为体抽取）和超过 10%（目标抽取）。
引用
@article{arxiv.2204.02531,
title = {Improving Zero-Shot Event Extraction via Sentence Simplification},
author = {Sneha Mehta and Huzefa Rangwala and Naren Ramakrishnan},
journal= {arXiv preprint arXiv:2204.02531},
year = {2022}
}