摘要
提出一种基于核心论元的篇章级事件抽取选取方法(core arguments-based document level event extraction,CA-DocEE),该方法根据论元在篇章级事件中的分布特点定义核心论元的选取标准,采用异质图卷积神经网络将篇章上下文信息用于增强论元实体编码,基于机器阅读理解方法捕捉句子中的深层次语义信息来进行论元角色分类。在篇章级事件抽取公开数据集上,本文提出的方法的微平均F1值达到了80.1%,取得了与目前已知最好方法相当的效果。
A document-level event extraction method based on core arguments(CA-DocEE)is proposed,which defines criteria for selecting core arguments based on their distributions in document-level events,uses heterogeneous graph convolutional neural networks to augment document contextual information for encoding argument entities,and captures deep semantic information in sentences based on machine reading comprehension methods for classifying the role of arguments.On the document-level event extraction dataset,the method proposed in this paper achieves a micro-average F1 value of 80.1%,which is comparable with the state-ofthe-art methods.
作者
孙承杰
李宗蔚
单丽莉
林磊
SUN Chengjie;LI Zongwei;SHAN Lili;LIN Lei(Faculty of Computing,Harbin Institute of Technology,Harbin 150001,Heilongjiang,China)
出处
《山东大学学报（理学版）》
CAS
CSCD
北大核心
2024年第7期53-63,共11页
Journal of Shandong University(Natural Science)
基金
国家重点研发计划资助项目(2021YFF0901600)
国家自然科学基金资助项目(62176074)
哈尔滨工业大学新兴交叉“融拓计划”资助项目(SYL-JC-202203)。
关键词
事件抽取
篇章级事件抽取
机器阅读理解
图卷积神经网络
event extraction
document-level event extraction
machine reading comprehension
graph convolutional neural network
