论文笔记 NAACL 2021|Document-Level Event Argument Extraction by Conditional Generation

1 简介

论文题目：Document-Level Event Argument Extraction by Conditional Generation
论文来源：NAACL 2021
论文链接：https://arxiv.org/pdf/2104.05919.pdf
代码链接：https://github.com/raspberryice/gen-arg

1.1 动机

• 句子级别的事件抽取不符合人类的信息寻找行为，导致不完全和信息量低的抽取结果。

1.2 创新

• 提出一个基于条件生成的事件论元抽取模型
• 提出一个数据集WIKIEVENTS
• 提出了一个zero-shot端到端的事件抽取框架

2 方法

2.1 论元抽取模型

论元抽取模型的整体框架如上图，使用BART作为基本的Encoder-Decoder结构，通过事件本体给出每个事件类型的模板，多个论元用and连接，生成的概率由解码输出和token编码的点乘得到.通过添加clarification状态(< arg> is a < type>)对模型进行约束(例如下图),公式如下(式3为loss公式，式4为加clarification的概率计算公式)：

2.2 基于关键词的触发词抽取模型

2.1的论元抽取模型将事件触发词作为输入，这里将触发词抽取模型建立为关键词级别。使用IO标注，公式如下(式一为序列的概率计算，$c_k$为关键词的向量表示(由BERT计算)，式二中的参数M是不可学习的，由QR分解计算，公式如式三)，在zero-shot情况下，使用类别向量和token编码的cos相似度进行分类。

3 实验

实验选择3个数据级，ACE 2005、RAMS和WIKIEVENTS。构建的WIKIEVENTS数据集的统计信息如下：



文档级事件论元抽取的实验结果如下：

zero-shot下的是实验效果：

定性分析：



目前存在的挑战主要包括两部分：本体约束(一些角色是互斥的)和常识性知识。