无监督的标签感知事件触发词与论元分类
计算与语言
2021-06-03 v2
摘要
识别事件并将其映射到预定义事件类型长期以来一直是重要的自然语言处理问题。以往多数工作严重依赖耗费人力的领域特定标注，而忽略了事件类型标签中所包含的语义。因此，所学模型无法有效泛化到可能引入新事件类型的新领域。本文提出一种无监督事件抽取流水线，其首先利用现有工具（如 SRL）识别事件，随后通过我们提出的无监督分类模型将其自动映射到预定义事件类型。我们的模型不依赖标注数据，而是将识别出的事件语义与事件类型标签的语义进行匹配。具体而言，我们利用预训练语言模型对预定义的事件触发词与论元类型进行上下文表示。在通过表示相似度将识别出的事件映射到目标类型后，我们使用事件本体（例如，论元类型“Victim”只能作为事件类型“Attack”的论元）作为全局约束来正则化预测。所提方法在包含 33 种触发词类型和 22 种论元类型的 ACE-2005 数据集上测试时表现出极高有效性。在不使用任何标注的情况下，我们成功将 83% 的触发词和 54% 的论元映射到正确类型，性能几乎达到先前零样本方法的两倍。
引用
@article{arxiv.2012.15243,
title = {Unsupervised Label-aware Event Trigger and Argument Classification},
author = {Hongming Zhang and Haoyu Wang and Dan Roth},
journal= {arXiv preprint arXiv:2012.15243},
year = {2021}
}
备注
ACL 2021 Findings