基于实体画像增强网络的事件检测方法

摘要：

事件检测任务旨在从非结构化的文本中自动识别并分类事件触发词.挖掘和表示实体的属性特征(即实体画像)有助于事件检测,其基本原理在于"实体本身的属性往往暗示了其参与的事件类型"(例如,"警察"往往参与"Arrest-Jail"类的事件).现有研究已利用编码信息实现实体表示,并借此优化事件检测模型.然而,其表示学习过程仅仅纳入局部的句子级语境信息,使得实体画像的信息覆盖率偏低.为此,该文提出基于全局信息和实体交互信息的画像增强方法,其借助图注意力神经网络,不仅在文档级的语境范围内捕捉实体的高注意力背景信息,也同时纳入了局部相关实体的交互信息.特别地,该文开发了基于共现图的注意力遮蔽模型,用于降低噪声信息对实体表示学习过程的干扰.在此基础上,该文联合上述实体画像增强网络、BERT语义编码网络和GAT聚合网络,形成了总体的事件检测模型.该文在通用数据集ACE 2005上进行实验,结果表明实体画像增强方法能够进一步优化事件检测的性能,在触发词分类任务上的F1值达到76.2％,较基线模型提升了2.2％.

关键词：事件检测、实体特征、全局语义、图注意力网络

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

资助基金：科技部专项课题;国家自然科学基金;江苏高校优势学科建设工程资助项目

在线出版日期：2022-10-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：81-91