Exploiting Argument Information to Improve Event Detection via Supervised Attention Mechanisms

旨在通过Arguments的信息来进一步提升ED任务的准确度，作者发现大家在构建ED模型是没有显式地利用Arguments的信息，所以提出可以通过supervised attention mechanisms来对这些信息加以利用。

下面为模型结构：

模型使用了当前输入单词，及其定长的前后共$n$个单词，以及这些单词的命名实体类型共同组成模型的输入。图中绿色部分$w$为单词的词向量表示，紫色部分$e$为单词对应的命名实体表示，蓝色部分$\overline{w}$是将$w$经过一次变换后的隐层表示。随后，基于 argument words应该比其它words获得更多的权重 这个目的来训练一个Attention Mechanism，把这个注意力模型乘上一个惩罚系数后加入到普通的ED模型中。