论文浅尝 | 探索将预训练语言模型用于事件抽取和事件生成

最新推荐文章于 2024-08-21 09:00:56 发布

开放知识图谱

最新推荐文章于 2024-08-21 09:00:56 发布

阅读量1.1k

点赞数 1

本文链接：https://blog.csdn.net/TgqDT3gGaMdkHasLZv/article/details/102982584

版权

论文提出PLMEE模型解决事件抽取中的角色重叠问题，利用BERT生成训练数据，提升ACE2005数据集上触发词和论元分类的F1值。亮点包括多分类器解决角色重叠，BERT生成训练数据的有效性。

摘要由CSDN通过智能技术生成

论文笔记整理：郝凯龙，南京大学硕士

链接：https://www.aclweb.org/anthology/P19-1522.pdf

动机

传统的 ACE 事件抽取任务依赖于人工标注的数据，耗费大量的人力并且数据量有限，数据量不足给事件抽取带来了阻碍。传统的事件抽取不能解决 role overlap 角色重叠的问题。PLMEE 模型通过对不同的角色分别进行 augument prediction 论元预测解决了角色重叠问题。另外，论文提出了一种利用BERT生成训练数据的方法，并证明有效。在 ACE2005 数据集上，超过了 state-of-the-art 的结果，将触发词分类和论元分类的 F1 值分别提高到了 81.1 和 58.9。