Abstract
“事件要素抽取(Event Argument Extraction, EAE)旨在从非结构化文本中提取事件参与要素。编码器—解码器(Encoder-Decoder)框架是处理该任务的一种常见策略,此前的研究大多只向编码器端输入文本的字词信息,导致模型泛化和远程依赖处理能力较弱。为此,本文提出一种融入句法信息的事件要素抽取模型。首先对文本分析得到成分句法解析树,将词性标签和各节点的句法成分标签编码,增强模型的文本表征能力。然后,本文提出了一种基于树结构的注意力机制(Tree-Attention)辅助模型更好地感知结构化语义信息,提高模型处理远距离依赖的能力。实验结果表明,本文所提方法相较于基线系统F1值提升2.02%,证明该方法的有效性。”- Anthology ID:
- 2023.ccl-1.18
- Volume:
- Proceedings of the 22nd Chinese National Conference on Computational Linguistics
- Month:
- August
- Year:
- 2023
- Address:
- Harbin, China
- Editors:
- Maosong Sun, Bing Qin, Xipeng Qiu, Jing Jiang, Xianpei Han
- Venue:
- CCL
- SIG:
- Publisher:
- Chinese Information Processing Society of China
- Note:
- Pages:
- 196–207
- Language:
- Chinese
- URL:
- https://aclanthology.org/2023.ccl-1.18
- DOI:
- Cite (ACL):
- Zijian Yu, Tong Zhu, and Wenliang Chen. 2023. 基于句法特征的事件要素抽取方法(Syntax-aware Event Argument Extraction ). In Proceedings of the 22nd Chinese National Conference on Computational Linguistics, pages 196–207, Harbin, China. Chinese Information Processing Society of China.
- Cite (Informal):
- 基于句法特征的事件要素抽取方法(Syntax-aware Event Argument Extraction ) (Yu et al., CCL 2023)
- PDF:
- https://preview.aclanthology.org/proper-vol2-ingestion/2023.ccl-1.18.pdf