论文笔记 NAACL 2022|EA2E: Improving Consistency with Event Awareness for Document-Level Argument Extract

1 简介

论文题目：EA2E: Improving Consistency with Event Awareness for Document-Level Argument Extraction
论文来源：NAACL findings 2022
组织机构：University of Illinois Urbana-Champaign
论文链接：https://aclanthology.org/2022.findings-naacl.202.pdf
代码链接：https://github.com/ZQS1943/DOCIE

1.1 动机

• 一个文档中的多个事件通常是相互关联的，因此论元受到一定的一致性约束。

1.2 创新

• 提出Event-Aware Argument Extraction模型，包括对齐增强的训练和迭代推理。

2 方法

模型的整体框架如上图，包含两个部分：

1. 训练：包括正常的训练(输入模板和上下文，Bart生成填充后的模板，loss为公司1)和增强上下文的训练(周围事件的论元使用标签标注出来，公式2)，总loss为各自的loss和辅助loss(拉近两种上下文的向量的距离，公式3)的加权平均(公式4):

3 实验

实验数据集为WIKIEVENTS和ACE 2005，实验结果如下图：

推理轮数对实验结果的影响：

Qualitative Analysis：