论文笔记 CCL 2020|基于BERT的端到端中文篇章事件抽取

1 简介

论文题目：基于BERT的端到端中文篇章事件抽取
论文来源：CCL 2020
论文链接：https://aclanthology.org/2020.ccl-1.36/

1.1 创新

• 提出了一个篇章级别事件抽取语料集，事件定义为event = def(T,O,F,D,N)，其中T为事件类型，O、F、D、N为事件中的4类角色。
• 提出了一个新的模型。

2 方法

模型主要包括输入编码层、事件检测层、事件元素识别层和元素角色识别层，模型结构如下图。

• 输入编码层：基于BERT对输入句子进行编码
• 事件检测层：进行多标签分类，设定一个阈值，大于改阈值即包含此事件类型。
• 事件元素识别层：根据事件类型向量和句子向量，标注事件元素(向量)
• 元素角色识别层：将实体向量和事件类型求和平均，当作注意力机制的Q，与句子向量进行进行attention得到特征向量，分类得到事件角色。
  

3 实验

事件检测的实验结果如下图：

篇章级别事件抽取的结果如下图。

单一事件与多事件的实验结果如下图。

主从事件识别：将文档标题中的事件作为主事件，其他事件作为从事件。根据相似度计算，衡量主事件与从事件的共指程度，取最高得分对应的那组事件为主事件，其余为从事件。结果如下图。

主从事件融合：通过计算不同事件中事件元素的语义相似度来衡量它们的共指程度，大于阈值则将对应的两个事件元素合并。结果如下图。