基于枢轴元素识别的嵌套事件抽取
计算与语言
2024-04-09 v3
摘要
嵌套事件抽取（NEE）旨在抽取复杂的事件结构，其中事件递归地将其他事件作为其论元包含在内。嵌套事件涉及一类枢轴元素（PEs），它们同时充当外层嵌套事件的论元和内层嵌套事件的触发词，从而将它们连接成嵌套结构。PEs 的这一特殊特性给现有的 NEE 方法带来了挑战，因为它们无法很好地应对 PEs 的双重身份。因此，本文提出了一种称为 PerNee 的新模型，主要通过识别 PEs 来抽取嵌套事件。具体而言，PerNee 首先识别内层和外层嵌套事件的触发词，进而通过对触发词对之间的关系类型进行分类来识别 PEs。该模型使用提示学习（prompt learning）来融合来自事件类型和论元角色的信息，以获得更好的触发词和论元表示，从而提升 NEE 性能。由于现有的 NEE 数据集（如 Genia11）局限于特定领域，且包含的嵌套结构事件类型范围狭窄，我们系统地归类了通用领域中的嵌套事件，并构建了一个名为 ACE2005-Nest 的新 NEE 数据集。实验结果表明，PerNee 在 ACE2005-Nest、Genia11 和 Genia13 上一致地达到了最先进的（state-of-the-art）性能。ACE2005-Nest 数据集和 PerNee 模型的代码可在 https://github.com/waysonren/PerNee 获取。
引用
@article{arxiv.2309.12960,
title = {Nested Event Extraction upon Pivot Element Recogniton},
author = {Weicheng Ren and Zixuan Li and Xiaolong Jin and Long Bai and Miao Su and Yantao Liu and Saiping Guan and Jiafeng Guo and Xueqi Cheng},
journal= {arXiv preprint arXiv:2309.12960},
year = {2024}
}
备注
Accepted at LREC-COLING 2024