本文介绍了Rujun Han等人在EMNLP 2019发表的论文，该论文提出了一种神经结构化支持向量机（Neural SSVM）模型，用于事件和事件时序关系的联合抽取。模型通过BERT获取事件对的Embedding，再经BiLSTM编码，最后利用SSVM进行事件和关系判断。实验表明，该模型在TB-Dense和MATRES数据集上表现出色。
论文笔记整理：邓淑敏，浙江大学在读博士，研究方向为低资源条件下知识图谱自动化构建关键技术研究。
Rujun Han, Qiang Ning, Nanyun Peng. Joint Event and Temporal Relation Extractionwith Shared Representations and Structured Prediction. EMNLP 2019.
论文链接：https://www.aclweb.org/anthology/D19-1041/
这篇文章解决的是“事件-事件关系联合抽取”问题，即给定一个候选事件对，除了判断这两个候选事件是否属于事件，还要判断出这两者之间是否存在关系（这篇文章判断的是时序关系）。在讲这篇文章的模型之前，我们首先整理一下解决这个问题的方法——端到端的事件-事件关系联合抽取模型。
端到端的事件-事件关系联合抽取模型大致可以分为四类：
（1）单任务模型，先进行事件检测，然后把检测到的事件对输入到事件关系抽取模型中，事件对的编码模型参数不共享；
（2）多任务模型，与单任务模型类似，但是事件的对的编码模型参数共享；
（3）管道联合模型，与多任务模型的区别在于训练过程，它是将事件检测模型生成的事件候选集直接用于事件关系抽取模型的训练；
最低0.47元/天 解锁文章
336
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
