基于聯合標注和全局推理的篇章級事件抽取

摘要：事件抽取可以幫助人們從海量的文本中快速、準確地獲取感興趣的事件知識。然而,目前事件抽取的研究主要集中在從單一句子中抽取事件,由于事件構成的復雜性和語言表述的多樣性,多數情況下多句才能完整地描述一個事件。因此,從篇章中抽取出完整的結構化事件信息,顯得更有價值和意義。該文首先利用基于注意力機制的序列標注模型聯合抽取句子級事件的觸發詞和實體,與獨立進行實體抽取和事件識別相比,聯合標注的方法在F值上提升了1個百分點。然后利用多層感知機判斷實體在事件中扮演的角色。最后,在句子級事件抽取的基礎上,利用整數線性規劃的方法進行全局推理,融合句子級事件信息,實現篇章級事件抽取,與基線模型相比,這種基于全局推理的篇章級事件抽取在F值上提升了3個百分點。