论文浅尝 | Zero-Shot Transfer Learning for Event Extraction

事件抽取的目标是在非结构化的文本中确认事件的触发词（Eventtrigger）和参与者（Event argument），并判断触法词的事件类型（Eventtype），判断参与者在事件中的扮演的角色（Argument role）。有触发词和参与者的短语或文本称为EventMention。如下图的关于Transport-Person 事件的一条EventMention，dispatching是触发词，下划线是参与者，其中China作为Agent参与事件。

目前大多数的事件抽取是基于已有的手动标记样本进行训练。常见的数据集ACE，总共有8个大类，33个小类，对每个类，有人为标记的训练语料。但是对于没有样本的新事件类型，用上述语料训练的模型会显得无力。对此，一是可以用远程监督的方法标记训练样本，二是用迁移学习方法。本文基于第二点的，提出在事件抽取任务中用零样本迁移学习方法：将event mention 和event ontology联合映射到共享的语义空间上，拉近两者在语义空间上的距离。