论文浅尝 | 利用开放域触发器知识改进事件检测

笔记整理 | 申时荣，东南大学博士

---

来源：ACL 2020

源码：https://github.com/shuaiwa16/ekd.git

摘要

事件检测（ED）是文本自动结构化处理的一项基本任务。由于训练数据的规模小，以前的方法在unseen/标记稀疏的触发词上效果较差，并且容易过度拟合密集标记的触发词。为了解决该问题，我们提出了一种新颖的扩展知识提炼（EKD）模型，以利用外部开放域触发知识来减少对注释中频繁触发词的内在偏见。在基准ACE2005上进行的实验表明，我们的模型优于9个强基准，对于unseen/标记稀疏的触发词特别有效。

介绍

事件检测（ED）的核心就是识别触发词，触发词识别是一项艰巨的任务，存在长尾问题。以基准ACE2005为例：频率小于5的触发词占总数的78.2％。长尾问题使监督方法容易过度拟合并且在看不见/稀疏标记的触发器上表现不佳。自动生成更多训练实例似乎是一种解决方案：通过自举扩展更多实例并从远程监督方法中扩展更多数据。但是，如表1所示，这