【数据分析】用Python做事件抽取任务-快速上手方案

在自然语言处理（NLP）领域，事件抽取是一项关键任务，它涉及从文本中识别和提取事件及其相关信息。

本文作者将介绍两种常见的事件抽取方法：使用清华大学开源的OmniEvent工具包和ChatGPT大模型方法。

我们将分析这两种方法的优缺点，并提供一些代码示例来展示其实际应用。

方法一：使用OmniEvent库

OmniEvent是清华大学开源的一款用于事件抽取的库，支持多种事件抽取任务，包括触发词检测、事件论元抽取等。该库提供了预训练模型和易于使用的接口，极大简化了事件抽取的实现。

全面涵盖各种范式，并对广泛使用的英文和中文数据集提供公平、统一的评估。模块化实现使 OmniEvent 具有高度可扩展性。

安装OmniEvent

首先，我们需要安装OmniEvent库。可以使用以下命令进行安装：

pip install omnievent

使用OmniEvent进行事件抽取

以下是一个使用OmniEvent进行事件抽取的示例代码：

from OmniEvent import infer
device='cpu'


# 初始化OmniEvent模型
def init_models(device='cpu'):
    ed_model, ed_tokenizer = infer.get_pretrained("s2s-mt5-ed",device=device)
    eae_model, eae_tokenizer = infer.get_pretrained("s2s-mt5-eae",device=device)
    return (ed_model, ed_tokenizer,eae_model,eae_tokenizer)

# 进行事件抽取
def run_ee(models,news_text_list,device='cpu'):
    schemas = ["<ace>"]*len(news_text_list)
    
    ed_model, ed_tokenizer,eae_model,eae_tokenizer=models
    events = infer.do_event_detection(ed_model, ed_tokenizer, news_text_list, schemas, device)
    instances = infer.prepare_for_eae_from_pred(news_text_list, events, schemas)
    

    if len(instances[0]["triggers"]) == 0:
        results = [{
            "text": instances[0]["text"],
            "events": []
        }]
        return results
    arguments = infer.do_event_argument_extraction(eae_model, eae_tokenizer, instances, device)
    results = infer.get_eae_result(instances, arguments)
    return results


text = "“中比动漫文化周”12日在布鲁塞尔中国文化中心开幕，旨在通过动漫这一独特的艺术形式，促进两国文化的交流与理解。"
models=init_models(device)
ee=run_ee(models,[text])
# 输出结果

for events in ee:
    print("文本:", events['text'])
    for event in events['events']:
        print(f"事件类型: {event['type']}")
        print(f"触发词: {event['trigger']}")
        print(f"论元: {event['arguments']}")

Output：

文本: “中比动漫文化周”12日在布鲁塞尔中国文化中心开幕，旨在通过动漫这一独特的艺术形式，促进两国文化的交流与理解。
事件类型: 组织行为开幕
触发词: 开幕
论元: [{'mention': '12日', 'offset': [9, 12], 'role': '时间'}, {'mention': '布鲁塞尔中国文化中心', 'offset': [13, 23], 'role': '地点'}, {'mention': '“中比动漫文化周”', 'offset': [0, 9], 'role': '活动名称'}]
CPU times: user 21.2 s, sys: 78.3 ms, total: 21.3 s
Wall time: 5.53 s

OmniEvent优点

1. 易用性高：OmniEvent提供了简单易用的API，用户可以快速上手。
2. 预训练模型：库中包含多种预训练模型，可直接用于实际任务，减少训练成本。
3. 多任务支持：支持多种事件抽取任务，包括触发词检测和事件论元抽取。

缺点

1. 依赖数据集：虽然预训练模型能应对大部分任务，但特定领域的事件抽取可能需要额外的训练数据。
2. 运行效率低: 模型是直接将ED任务和EAE任务合并为EE任务，因此耗时较长。(可将其分开，再得到ED任务结果后，选择满足条件的数据进行下一步EAE任务的测试）

方法二：使用大模型

大模型（如GPT-4、BERT等）在各种NLP任务中表现优异，也可用于事件抽取。大模型的优势在于其强大的语言理解能力和泛化能力。

由于经费有限，本文只能用网页版用来演示效果。项目中实际开发可以使用Pythonlangchain工具包调用大模型api接口达到此效果。

使用GPT网页版进行事件抽取

input prompt:

给定的句子为："“中比动漫文化周”12日在布鲁塞尔中国文化中心开幕，旨在通过动漫这一独特的艺术形式，促进两国文化的交流与理解。"

给定事件类型列表：['灾害/意外-坠机', '司法行为-举报', '财经/交易-涨价', '组织关系-解雇', '组织关系-停职', '财经/交易-加息', '交往-探班', '人生-怀孕', '组织关系-辞/离职', '组织关系-裁员', '灾害/意外-车祸', '人生-离婚', '司法行为-起诉', '竞赛行为-禁赛', '人生-婚礼', '财经/交易-涨停', '财经/交易-上市', '组织关系-解散', '财经/交易-跌停', '财经/交易-降价', '组织行为-罢工', '司法行为-开庭', '竞赛行为-退役', '人生-求婚', '人生-庆生', '交往-会见', '竞赛行为-退赛', '交往-道歉', '司法行为-入狱', '组织关系-加盟', '人生-分手', '灾害/意外-袭击', '灾害/意外-坍/垮塌', '组织关系-解约', '产品行为-下架', '灾害/意外-起火', '灾害/意外-爆炸', '产品行为-上映', '人生-订婚', '组织关系-退出', '交往-点赞', '产品行为-发布', '人生-结婚', '组织行为-闭幕', '人生-死亡', '竞赛行为-夺冠', '人生-失联', '财经/交易-出售/收购', '竞赛行为-晋级', '竞赛行为-胜负', '财经/交易-降息', '组织行为-开幕', '司法行为-拘捕', '交往-感谢', '司法行为-约谈', '灾害/意外-地震', '人生-产子/女', '财经/交易-融资', '司法行为-罚款', '人生-出轨', '灾害/意外-洪灾', '组织行为-游行', '司法行为-立案', '产品行为-获奖', '产品行为-召回']

在这个句子中，可能包含了哪些事件类型？
请给出事件类型列表中的事件类型。
如果不存在则回答：无
按照元组形式回复，如 (事件类型1, 事件类型2, ……)：

output:

Input prompt:

事件类型"组织行为-开幕"对应的论元角色列表为：['时间', '地点', '活动名称']。
在给定的句子中，根据论元角色提取出事件论元。
如果论元角色没有相应的论元内容，则论元内容回答：无
按照表格形式回复，表格有两列且表头为（论元角色，论元内容）：

Output:

事件类型列表

{
	'灾害/意外-坠机': ['时间', '地点', '死亡人数', '受伤人数'],
	'司法行为-举报': ['时间', '举报发起方', '举报对象'],
	'财经/交易-涨价': ['时间', '涨价幅度', '涨价物', '涨价方'],
	'组织关系-解雇': ['时间', '解雇方', '被解雇人员'],
	'组织关系-停职': ['时间', '所属组织', '停职人员'],
	'财经/交易-加息': ['时间', '加息幅度', '加息机构'],
	'交往-探班': ['时间', '探班主体', '探班对象'],
	'人生-怀孕': ['时间', '怀孕者'],
	'组织关系-辞/离职': ['时间', '离职者', '原所属组织'],
	'组织关系-裁员': ['时间', '裁员方', '裁员人数'],
	'灾害/意外-车祸': ['时间', '地点', '死亡人数', '受伤人数'],
	'人生-离婚': ['时间', '离婚双方'],
	'司法行为-起诉': ['时间', '被告', '原告'],
	'竞赛行为-禁赛': ['时间', '禁赛时长', '被禁赛人员', '禁赛机构'],
	'人生-婚礼': ['时间', '地点', '参礼人员', '结婚双方'],
	'财经/交易-涨停': ['时间', '涨停股票'],
	'财经/交易-上市': ['时间', '地点', '上市企业', '融资金额'],
	'组织关系-解散': ['时间', '解散方'],
	'财经/交易-跌停': ['时间', '跌停股票'],
	'财经/交易-降价': ['时间', '降价方', '降价物', '降价幅度'],
	'组织行为-罢工': ['时间', '所属组织', '罢工人数', '罢工人员'],
	'司法行为-开庭': ['时间', '开庭法院', '开庭案件'],
	'竞赛行为-退役': ['时间', '退役者'],
	'人生-求婚': ['时间', '求婚者', '求婚对象'],
	'人生-庆生': ['时间', '生日方', '生日方年龄', '庆祝方'],
	'交往-会见': ['时间', '地点', '会见主体', '会见对象'],
	'竞赛行为-退赛': ['时间', '退赛赛事', '退赛方'],
	'交往-道歉': ['时间', '道歉对象', '道歉者'],
	'司法行为-入狱': ['时间', '入狱者', '刑期'],
	'组织关系-加盟': ['时间', '加盟者', '所加盟组织'],
	'人生-分手': ['时间', '分手双方'],
	'灾害/意外-袭击': ['时间', '地点', '袭击对象', '死亡人数', '袭击者', '受伤人数'],
	'灾害/意外-坍/垮塌': ['时间', '坍塌主体', '死亡人数', '受伤人数'],
	'组织关系-解约': ['时间', '被解约方', '解约方'],
	'产品行为-下架': ['时间', '下架产品', '被下架方', '下架方'],
	'灾害/意外-起火': ['时间', '地点', '死亡人数', '受伤人数'],
	'灾害/意外-爆炸': ['时间', '地点', '死亡人数', '受伤人数'],
	'产品行为-上映': ['时间', '上映方', '上映影视'],
	'人生-订婚': ['时间', '订婚主体'],
	'组织关系-退出': ['时间', '退出方', '原所属组织'],
	'交往-点赞': ['时间', '点赞方', '点赞对象'],
	'产品行为-发布': ['时间', '发布产品', '发布方'],
	'人生-结婚': ['时间', '结婚双方'],
	'组织行为-闭幕': ['时间', '地点', '活动名称'],
	'人生-死亡': ['时间', '地点', '死者年龄', '死者'],
	'竞赛行为-夺冠': ['时间', '冠军', '夺冠赛事'],
	'人生-失联': ['时间', '地点', '失联者'],
	'财经/交易-出售/收购': ['时间', '出售方', '交易物', '出售价格', '收购方'],
	'竞赛行为-晋级': ['时间', '晋级方', '晋级赛事'],
	'竞赛行为-胜负': ['时间', '败者', '胜者', '赛事名称'],
	'财经/交易-降息': ['时间', '降息幅度', '降息机构'],
	'组织行为-开幕': ['时间', '地点', '活动名称'],
	'司法行为-拘捕': ['时间', '拘捕者', '被拘捕者'],
	'交往-感谢': ['时间', '致谢人', '被感谢人'],
	'司法行为-约谈': ['时间', '约谈对象', '约谈发起方'],
	'灾害/意外-地震': ['时间', '死亡人数', '震级', '震源深度', '震中', '受伤人数'],
	'人生-产子/女': ['时间', '产子者', '出生者'],
	'财经/交易-融资': ['时间', '跟投方', '领投方', '融资轮次', '融资金额', '融资方'],
	'司法行为-罚款': ['时间', '罚款对象', '执法机构', '罚款金额'],
	'人生-出轨': ['时间', '出轨方', '出轨对象'],
	'灾害/意外-洪灾': ['时间', '地点', '死亡人数', '受伤人数'],
	'组织行为-游行': ['时间', '地点', '游行组织', '游行人数'],
	'司法行为-立案': ['时间', '立案机构', '立案对象'],
	'产品行为-获奖': ['时间', '获奖人', '奖项', '颁奖机构'],
	'产品行为-召回': ['时间', '召回内容', '召回方']
}

大模型优点

1. 强大的语言理解能力：大模型具有强大的语言理解和推理能力，能够应对复杂的事件抽取任务。
2. 适应性强：无需针对特定任务进行大量调整，能较好地泛化到不同领域的任务。
3. 持续更新：大模型通常由大型公司维护，更新频率高，性能不断提升。

缺点

1. 成本高：调用大模型通常需要付费，成本较高。
2. 响应时间：由于模型复杂度高，推理时间较长，可能影响实时性要求高的应用。
3. 依赖网络：需要稳定的网络连接来访问模型服务。

总结

OmniEvent库和大模型各有优缺点，适用于不同的应用场景。如果您需要快速实现事件抽取并且对特定领域有较高的定制化需求，OmniEvent是一个不错的选择。如果您追求高精度和强泛化能力，并且预算充足，可以考虑使用大模型。

无论选择哪种方法，都需要根据具体需求和资源情况进行权衡。希望本文能为您的事件抽取任务提供一些有价值的参考。

大数据分析为运营和各行业带来了前所未有的机会，使企业能够更敏锐地洞察市场、优化运营，并更有效地应对竞争和变革。在信息时代，充分利用大数据分析，将成为企业取得竞争优势的不可忽视的关键要素。

本人数据分析领域的从业者，拥有专业背景和能力，可以为您的数据采集、挖掘和分析需求提供支持。期待着能够与您共同探索更多有意义的数据洞见，为您的项目和业务提供数据分析方面的帮助。

创作不易，如果你觉得有帮助，请点个赞支持一下。你的鼓励是我创作的最大动力，期待未来能为大家带来更多有趣的分析文章。感谢大家的阅读和支持！