基于多任务学习的中文事件抽取联合模型

• 作者: 段绍杨 贺瑞芳
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 多任务学习 条件随机场(CRF) 事件抽取
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 1015-1030
• 页数: 16页
• 分类号: TP18
• 字数: 14432字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005380

摘要

事件抽取旨在从非结构化的文本中提取人们感兴趣的信息,并以结构化的形式呈现给用户.当前,大多数中文事件抽取系统采用连续的管道模型,即:先识别事件触发词,后识别事件元素.其容易产生级联错误,且处于下游的任务无法将信息反馈至上游任务,辅助上游任务的识别.将事件抽取看作序列标注任务,构建了基于CRF多任务学习的中文事件抽取联合模型.针对仅基于CRF的事件抽取联合模型的缺陷进行了两个扩展:首先,采用分类训练策略解决联合模型中事件元素的多标签问题(即:当一个事件提及中包含多个事件时,同一个实体往往会在不同的事件中扮演不同的角色).其次,由于处于同一事件大类下的事件子类,其事件元素存在高度的相互关联性.为此,提出采用多任务学习方法对各事件子类进行互增强的联合学习,进而有效缓解分类训练后的语料稀疏问题.在ACE2005中文语料上的实验证明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺瑞芳	天津大学智能与计算学部	7	25	3.0	5.0
5	段绍杨	天津大学智能与计算学部	1	5	1.0	1.0