ACL 2023长文 | 基于能量超球体模型提升以事件为中心的结构化预测

论文标题：

SPEECH: Structured Prediction with Energy-Based Event-Centric Hyperspheres

收录会议：

ACL 2023 Main Conference

论文链接：

https://arxiv.org/abs/2305.13617

开源链接：

https://github.com/zjunlp/SPEECH

总述

以事件为中心的结构化预测旨在输出事件的结构化组件。事件结构往往比较复杂，而且结构间存在多种依赖，比如 Token 之间的长距离依赖、触发词和事件类别之间的关联、以及事件类别和事件关系之间的依赖。

为了解决这些问题，本文提出了基于能量的超球体（SPEECH）以解决以事件为中心的结构化预测任务。SPEECH 使用基于能量的建模对事件结构化组件之间的复杂依赖进行建模，并使用简单但有效的超球体来表示事件类别。在 MAVEN-ERE 和 OntoEvent-Doc 两个事件数据集上进行的实验表明，SPEECH 模型在事件检测和事件关系抽取任务上表现不俗。