SNaRe：面向低资源事件检测的领域感知数据生成

事件检测（ED）——从自然语言文本中识别事件提及的任务——对于在生物医学、法律和流行病学等高度专业化领域中进行推理至关重要。数据生成已被证明能有效拓宽其在更广泛应用中的效用，而无需昂贵的专家标注。然而，当现有的生成方法应用于专业领域时，它们面临标签噪声（即标注不正确）和领域漂移（以生成句子与目标领域之间的分布不匹配为特征）的困境。为了解决这些问题，我们引入了SNaRe，一个领域感知的合成数据生成框架，由三个组件组成：Scout、Narrator和Refiner。Scout从无标签的目标领域数据中提取触发词，并利用语料库级别的统计数据策划高质量的特定领域触发词列表，以缓解领域漂移。Narrator以这些触发词为条件，生成高质量且与领域对齐的句子，而Refiner识别额外的事件提及，确保高标注质量。在三个不同领域的ED数据集上的实验表明，SNaRe优于最佳基线，在零样本/少样本设置中实现了3-7%的平均F1增益，在多语言生成中实现了4-20%的F1提升。对生成的触发词命中率的分析和人工评估证实了SNaRe更强的标注质量和更小的领域漂移。