EMNLP 2022事件相关(事件抽取、事件关系抽取、事件预测等)论文汇总

置顶

hlee-top

已于 2023-07-18 17:53:17 修改

阅读量595

点赞数

分类专栏：论文汇总文章标签：事件抽取事件论元抽取深度学习

于 2023-02-08 16:50:19 首次发布

本文链接：https://blog.csdn.net/o11oo11o/article/details/127541842

版权

EMNLP 2022事件抽取相关(事件抽取、事件关系抽取、事件预测等)论文汇总，后续会更新全部的论文讲解。

Event Extraction

Open-Vocabulary Argument Role Prediction For Event Extraction
事件抽取中的论元角色是指事件与参与事件的论元之间的关系。尽管事件抽取取得了很大进展，但现有研究仍然依赖于领域专家预先定义的角色。这些研究在扩展到新兴事件类型或没有可用角色的新领域时暴露出明显的弱点。因此，需要将更多的注意力和精力投入到自动自定义论元角色上。本篇论文定义了这个重要但未充分探索的任务：开放式词汇论元角色预测。此任务的目标是为给定的事件类型推断一组论元角色。为此任务提出了一个新颖的无监督框架 ROLEPRED。具体来说，将角色预测问题制定为填充任务，并为预训练语言模型构建提示以生成候选角色。通过提取和分析候选论元，进一步合并和选择特定于事件的角色。为了标准化这项任务的研究，从维基百科收集了一个新的事件提取数据集，包括142个具有丰富语义的自定义论元角色。
PHEE: A Dataset for Pharmacovigilance Event Extraction from Text
药物安全研究人员和监管机构的主要目标是及时识别药物不良反应。这样做可能反过来预防或减少对患者的伤害，并最终改善公众健康。评估和监测药物安全性(药物警戒)涉及分析越来越多的来自卫生专业人员、医生和药剂师的自发报告以及患者自愿提交的信息。在这种情况下，通过自动化促进对此类报告的分析有可能快速识别安全信号。不幸的是，用于为这项任务开发自然语言模型的公共资源很少。本篇论文提出了PHEE，一个新的药物警戒数据集，包含来自医学病例报告和生物医学文献的 5000 多个带注释的事件，使其成为迄今为止最大的此类公共数据集。描述了分层的事件模式，旨在提供有关患者人口统计、治疗和(副作用)的粗粒度和细粒度信息。
MEE: A Novel Multilingual Event Extraction Dataset
提出了一个新的多语言事件抽取数据集(MEE)，以8种类型不同的语言为超过50000的事件提及提供注释。 MEE全面注释实体提及、事件触发词和事件论元的数据。
Mask-then-Fill: A Flexible and Effective Data Augmentation Framework for Event Extraction
通过mask事件不相关片段(非事件触发词和论元)，使用t5生成样本，进行数据增强。
Title2Event: Benchmarking Open Event Extraction with a Large-scale Chinese Title Dataset
事件提取(EE)对于下游任务至关重要，例如新闻聚合和事件知识图谱构建。大多数现有的EE数据集手动定义固定的事件类型并为它们中的每一个设计特定的模式，未能涵盖在线文本中出现的各种事件。此外，新闻标题作为事件提及的重要来源，在当前的EE研究中并未得到足够的重视。本篇论文提出了 Title2Event，一个大规模的在不限制事件类型的情况下对开放事件抽取的句子级数据集。 Title2Event 包含从中文网页收集的34个主题的42000多个新闻标题。是目前最大的用于开放事件抽取的手动