事件抽取指的是从非结构化文本中抽取事件信息,并将其以结构化形式呈现出来的任务。例如从“毛泽东1893 年出生于湖南湘潭”这句话中抽取事件{类型:出生,人物:毛泽东,时间:1893 年,出生地:湖南湘潭}。 事件抽取任务通常包含事件类型识别和事件元素填充两个子任务。

VIP内容

论文题目: Meta-Learning with Dynamic-Memory-Based Prototypical Network for Few-Shot Event Detection

摘要: 事件检测(Event detection, ED)是事件抽取的一个子任务,包括识别触发器和对事件提及进行分类。现有的方法主要依赖于监督学习,并且需要大规模的带标记的事件数据集,不幸的是,这些数据集在许多实际的应用场景中并不容易获得。在本文中,我们将在有限标记数据条件下的ED任务考虑为一个小概率学习问题。提出了一种基于动态记忆的原型网络(DMB-PN),该网络利用动态记忆网络(DMN)不仅能更好地学习事件类型的原型,而且能对事件提及产生更健壮的句子编码。与传统的通过平均计算事件原型的网络不同,我们的模型更健壮,并且由于DMNs的多跳机制,能够多次从事件提及中提取上下文信息。实验结果表明,DMB-PN不仅比一系列基线模型更能有效地处理样本稀缺问题,而且在事件类型变化较大、实例数量极少时表现得更为稳健。

作者: Shumin Deng, Ningyu Zhang, Jiaojian Kang, Yichi Zhang, Wei Zhang, Huajun Chen

成为VIP会员查看完整内容
元学习与动态记忆为基础的原型网络的小样本突发事件检测.pdf
0
31

最新论文

The task of event detection and classification is central to most information retrieval applications. We show that a Transformer based architecture can effectively model event extraction as a sequence labeling task. We propose a combination of sentence level and token level training objectives that significantly boosts the performance of a BERT based event extraction model. Our approach achieves a new state-of-the-art performance on ACE 2005 data for English and Chinese. We also test our model on ERE Spanish, achieving an average gain of 2 absolute F1 points over prior best performing model.

0
0
下载
预览
父主题
Top