基于生成对抗网络的在线文本开放事件抽取
计算与语言
2019-08-27 v1 信息检索
机器学习
摘要
为抽取开放域事件的结构化表示，贝叶斯图模型已取得一定进展。然而，这些方法通常假设文档中所有词均由单一事件生成。虽然这对推文等短文本可能成立，但该假设一般不适用于新闻文章等长文本。此外，贝叶斯图模型常依赖 Gibbs 采样进行参数推断，可能耗时较长才收敛。为克服这些局限，我们提出一种基于生成对抗网络（Generative Adversarial Nets）的事件抽取模型，称为对抗神经事件模型（AEM）。AEM 以 Dirichlet 先验对事件建模，并使用生成器网络捕捉潜在事件背后的模式。判别器用于区分由潜在事件重构的文档与原始文档。判别器的一个副产品是，所学判别器网络生成的特征可实现对抽取事件的可视化。我们的模型在两份 Twitter 数据集与一份新闻文章数据集上进行了评估。实验结果表明，我们的模型在所有数据集上均优于基线方法，在新闻文章数据集上提升更为显著，F 值提高了 15%。
引用
@article{arxiv.1908.09246,
title = {Open Event Extraction from Online Text using a Generative Adversarial Network},
author = {Rui Wang and Deyu Zhou and Yulan He},
journal= {arXiv preprint arXiv:1908.09246},
year = {2019}
}
备注
Accepted by EMNLP-IJCNLP 2019