论文笔记:Event Detection without Triggers

本文提出了一种新的框架TBNNAM,在没有事件触发器的情况下进行事件检测。通过将多标签分类转化为多个二分类问题,并利用注意力机制捕捉触发词信息。实验证明,该模型在事件检测任务中取得最先进的结果。
摘要由CSDN通过智能技术生成

姓名:崔金满

单位:燕山大学

论文地址:https://www.aclweb.org/anthology/N19-1080.pdf

代码地址:https://github.com/liushulinle/event_detection_without_triggers

数据集:ACE 2005

来源:NAACL 2019


Abstract:

事件检测的目标是检测事件的发生并对其进行分类。以前的工作是通过识别和分类事件触发器来解决这个问题,事件触发器被定义为最清晰地表达事件发生的单词或短语。因此,现有方法要求在训练数据中既有带标记的触发词又有事件类型。然而,事件检测的本质并不是触发器抽取,而且标注者从给定句子中,尤其是从一个长句子中抽取出“最清楚”的单词是非常耗时的。训练语料库的昂贵标注限制了现有方法的应用。为了减少手工标注,本文探索了一种在没有触发器的情况下检测事件。提出一种新的框架 TBNNAM

Introduction:

大多数现有的方法是将这一任务转化为单词分类(2016. Leveraging framenet to improve aut

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值