论文浅尝 | Doc2EDAG：一种针对中文金融事件抽取的端到端文档级框架

论文笔记整理：叶宏彬，浙江大学博士生，研究方向为知识图谱、自然语言处理。

---

链接：https://arxiv.org/pdf/1904.07535.pdf

背景

大多数现有的事件提取（EE）方法仅提取句子范围内的事件参数。但是，此类句子级的EE方法难以处理来自新兴应用领域（例如金融，法律，健康等）的大量文档，其中事件论元分散在不同的句子中，甚至多个事件实例在同一文档中同时存在。为了应对这些挑战，本文提出了一种新颖的端到端解决方案 Doc2EDAG，该解决方案可以有效地生成基于实体的有向无环图，以实现文档级事件抽取。

动机

本文的附录部分展示了中文金融事件抽取的几个难点，并用之前的 DCFEE模型作了对比分析：1）在多事件任务下，尽管 DCFEE-O 可以正确地识别关键语句，但它无法决定此语句表示多少事件，DCFEE-M 会产生多个部分正确的事件，但是 DCFEE-M 的论元补全阶段是上下文无关的；2）对于不同的句子多次提及同一事件的环境下，DCFEE 模型的关键句子检测模块无法有效地区分重复的事件实例，造成抽取事件冗余；3࿰