一体通用：实体与事件的神经联合建模
计算与语言
2018-12-04 v1
摘要
以往事件抽取工作主要关注事件触发词与论元角色的预测，将实体提及视为由人工标注者提供。这并不现实，因为实体提及通常由现有工具包预测，其错误可能传播至事件触发词与论元角色识别。近期少数研究通过联合预测实体提及、事件触发词与论元来解决该问题，但此类工作局限于使用离散工程特征来表示各任务及其交互的上下文信息。本文中，我们提出一种基于深度学习共享隐表示的新颖模型，联合预测实体提及、事件触发词与论元。实验证明了所提方法的优势，在事件抽取上取得了最先进（SOTA）性能。
引用
@article{arxiv.1812.00195,
title = {One for All: Neural Joint Modeling of Entities and Events},
author = {Trung Minh Nguyen and Thien Huu Nguyen},
journal= {arXiv preprint arXiv:1812.00195},
year = {2018}
}
备注
Accepted at The Thirty-Third AAAI Conference on Artificial Intelligence (AAAI-19) (Honolulu, Hawaii, USA)