封闭域深度学习事件抽取方法研究综述

摘要：

事件抽取作为自然语言处理的研究热点之一,其可以从海量数据中提取出有价值的信息,并以结构化的形式展现给用户,在舆情监控、信息检索、金融风投等方面有着广阔的应用前景以及巨大的应用价值.随着深度学习的发展,基于深度学习的事件抽取方法受到越来越多研究人员的关注.通过事件抽取的任务定义,描述基于深度学习事件抽取现有的研究理论;通过分析不同神经网络模型构成的事件抽取方法,探究基于深度学习事件抽取的处理思路,并根据不同的处理思路,将深度学习的事件抽取方法进行分类.在每个分类中,对最经典的研究工作从其问题来源、解决方案、贡献以及缺陷不足进行详细的分析;通过事件抽取数据集的介绍,说明当前事件抽取的研究基础;通过在不同数据集上的事件抽取性能表现,归纳当前事件抽取的发展现状.在此基础上,对当前深度学习应用于事件抽取所面临的困难和挑战进行总结与分析,并对事件抽取的发展前景进行展望.

关键词：事件抽取、深度学习、封闭域、事件数据集、自然语言处理(NLP)

所属期刊栏目：17

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金;内蒙古自然科学基金项目;内蒙古科技计划项目;内蒙古自治区纪检监察大数据实验室开放课题;内蒙古自治区纪检监察大数据实验室开放课题

在线出版日期：2023-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：533-548