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:
- 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: