基于偽觸發(fā)詞的并行預(yù)測篇章級事件抽取方法
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>3715 K
標(biāo)簽： 篇章級事件抽取 多任務(wù)聯(lián)合 預(yù)訓(xùn)練語言模型
所需積分：0分積分不夠怎么辦？
文檔介紹：篇章級事件抽取一般將事件抽取任務(wù)分為候選實體識別,、事件檢測和論元識別3個子任務(wù),，然后采用級聯(lián)的方式依次進(jìn)行,，這樣的方式會造成誤差傳遞；另外,，現(xiàn)有的大多數(shù)模型在解碼事件時,，對事件數(shù)量的預(yù)測隱含在解碼過程中，且只能按照預(yù)定義的事件順序及預(yù)定義的角色順序預(yù)測事件論元,，使得先抽取的事件并沒有考慮到后面抽取的事件,。針對以上問題提出一種多任務(wù)聯(lián)合的并行預(yù)測事件抽取框架。首先,，使用預(yù)訓(xùn)練語言模型作為文檔句子的編碼器,，檢測文檔中存在的事件類型，并使用結(jié)構(gòu)化自注意力機(jī)制獲取偽觸發(fā)詞特征,，預(yù)測每種事件類型的事件數(shù)量,；然后將偽觸發(fā)詞特征與候選論元特征進(jìn)行交互，并行預(yù)測每個事件對應(yīng)的事件論元,，在大幅縮減模型訓(xùn)練時間的同時獲得與基線模型相比更好的性能,。最終事件抽取結(jié)果F1值為78%，事件類型檢測子任務(wù)F1值為98.7%,，事件數(shù)量預(yù)測子任務(wù)F1值為90.1%,，實體識別子任務(wù)F1值為90.3%。
現(xiàn)在下載
VIP會員,，AET專家下載不扣分,；重復(fù)下載不扣分，本人上傳資源不扣分。