GPLinker：基于GlobalPointer的事件联合抽取

©PaperWeekly 原创 · 作者 | 苏剑林

单位 | 追一科技

研究方向 | NLP、神经网络

大约两年前，笔者在百度的“2020语言与智能技术竞赛”中首次接触到了事件抽取任务，并在文章《bert4keras 在手，baseline 我有：百度 LIC2020》[1] 中分享了一个转化为 BERT+CRF 做 NER 的简单 baseline。不过，当时的 baseline 更像是一个用来凑数的半成品，算不上一个完整的事件抽取模型。而这两年来，关系抽取的模型层见迭出，SOTA 一个接一个，但事件抽取似乎没有多亮眼的设计。

最近笔者重新尝试了事件抽取任务，在之前的关系抽取模型 GPLinker 的基础上，结合完全子图搜索，设计一个比较简单但相对完备的事件联合抽取模型，依然称之为 GPLinker，在此请大家点评一番。

任务简介 

事件抽取是一个比较综合的任务。一个标准的事件抽取样本如下：

▲ 标准的事件抽取样本（图片来自百度DuEE的GitHub）

每个事件会有一个事件类型以及相应的触发词，并且配有不同角色的论元。事件类型和论元角色是在约定的有限集合（schema）中选择，而触发词和论元一般情况下都是输入句子的片段，少数情况下也是可枚举的分类对象（百度的 DuEE-fin 出现过）。

原则上来说，事件抽取模型的设计取决于评价指标，在 LIC2020 中，我们之所以可以将事件抽取转化为一个 NER 问题，是因为当时的评测指标只考察（事件类型，论元角色，论元）构成的三元组，因此我们可以将（事件类型, 论元角色）组合成一个大类，然后就跟 NER 对应上了。

当然，这只是针对该指标的一种取巧方式。对于真实的事件抽取场景，我们自然是希望把标准格式的事件抽取出来，也就是设计一个尽量完备的模型。下面将介绍我们用于事件抽取的 GPLinker 模型，它基本达到了简单而完备的要求。