论文笔记 AAAI 2018|Graph Convolutional Networks with Argument-Aware Pooling for Event Detection

1 简介

论文题目：Graph Convolutional Networks with Argument-Aware Pooling for Event Detection
论文来源：AAAI 2018
论文链接：https://www.aaai.org/ocs/index.php/AAAI/AAAI18/paper/viewPaper/16329

1.1 创新

• 第一次使用GCN融合句法信息用于事件检测任务。
• 提出一个新的基于实体提及的pooling方法。

2 方法

模型的整体框架主要分为下面四部分：

1. encoding: 包括词编码、位置编码(到当前词的距离)、实体类型编码。
2. Graph Convolution: 首先使用Bi-LSTM编码上下文信息，然后进行GCN编码(在依赖分析树上添加自环和反向边)，考虑到数据集的大小，将边的类型分为3类(原始的边、自环和反向边)，同时计算边的权重，公式如下：

3. pooling: 对当前词和实体词进行pooling
   

4. classify：全连接层进行分类。

3 实验

实验数据集选择为ACE 2005和TAC KBP 2015，使用Stanford Syntactic Parser进行语义分析，句子的最大长度设置为31，消融实验的实验结果如下，


与SOAT模型的比较结果：

由于在ACE数据集中使用了真实的实体标签，此部分在TAC KBP 2015数据集上进行实验，实体标签由RPI Joint Information Extraction System得到，实验结果如下图：