文章目录
*
– 1 简介
–
+ 1.1 创新
– 2 任务定义
– 3 方法
– 4 模型
– 5 实验
1 简介
论文题目：Reading the Manual-Event Extraction as Definition Comprehension
论文来源：EMNLP 2020
论文链接：https://aclanthology.org/2020.spnlp-1.9.pdf
1.1 创新
- 提出一个新的事件抽取方法，通过使用bleached statements来利用注释指南，同时使用多-span选择模型来进行事件抽取。
; 2 任务定义
一个bleached statement包含状态token S = ( s 1 , s 2 , . . . , s n ) S=(s_1,s_2,…,s_n)S =(s 1 ,s 2 ,…,s n ),占位符字典R = { ( r k : I k ) } k = 1 , . . . , K R={(r_k:I_k)}_{k=1,…,K}R ={(r k :I k )}k =1 ,…,K (分别表示论元角色和索引)，一个例子如下：
将触发词定义为一种特殊的论元，因此，任务定义为给定一个bleached statement S、占位符词典R和文本tokenT，返回一个字典R ^ \widehat{R}R(包含触发词和论元，如下图右下角)
3 方法
给定带有多个占位符的bleached statement，增量式的填充每个占位符(从左到右逐步替换占位符，在训练中使用gold论元进行替换)，公式为A ← G E T A R G S ( S , I , T ) A{\leftarrow}GETARGS(S,I,T)A ←G E T A R G S (S ,I ,T ),如果返回为空，则不替换占位符，如果返回为多个论元，用and连接，算法过程如下图：
完整的事件抽取算法如下，首先进行触发词检测，然后进行论元抽取。
; 4 模型
首先使用BERT对bleached statement和文本编码，公式为BERT([CLS,s_1,…,s_n,SEP,t_1,…,t_m,SEP]),然后对文本进行BIO标注，公式如下：
将触发词当作特殊的论元，使用论元选择模块进行触发词识别，触发词不属于任何论元。在事件检测中，通过设置样本中未出现的事件类型，进行负采样。
同时使用SQuAD 2.0进行预训练，问题设置主要为wh-question phrases，使用AllenNLP toolkit抽取出wh-phrases。
5 实验
实验数据集为ACE 2005，实验结果如下图(使用部分数据为仅使用newswire的58个文档进行训练)：
在FrameNet的Few-shot实验结果如下图：
在FrameNet的Zero-shot实验结果如下图：
Original: https://blog.csdn.net/o11oo11o/article/details/123609900
Author: hlee-top
Title: 论文笔记 EMNLP 2020|Reading the Manual-Event Extraction as Definition Comprehension
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/531207/
转载文章受原作者版权保护。转载请注明原作者出处！