MAQInstruct：基于指令的统一事件关系抽取

基于多类分类、MASK 预测或原型匹配的方法在抽取偏离已知模式的事件关系方面已证明具有挑战性。近期大型语言模型的进展通过指令调优展示出令人印象深刻的性能。然而，在事件关系抽取任务中，指令方法面临诸多挑战：推理样本数量庞大，事件之间的关系非序列化。为解决这些挑战，我们提出了一个改进的指令事件关系抽取框架，命名为 MAQInstruct。首先，我们将任务从使用给定事件-事件指令抽取事件关系，转化为使用给定事件-关系指令抽取事件，这减少了推理所需的样本数量。然后，通过引入二分匹配损失，我们降低了指令方法对生成序列的依赖。我们的实验结果表明，MAQInstruct 在多个大型语言模型上显著提高了事件关系抽取性能。