论文笔记：OntoED: Low-resource Event Detection with Ontology Embedding

作者：崔金满

单位：燕山大学

---

论文地址：https://arxiv.org/pdf/2105.10922.pdf

 代码地址：https://github.com/231sm/Reasoning_In_EE

论文来源：ACL 2021

---

目录

Abstract

Introduction

Methodlogy 

ED  

Event Ontology Learning

Event Correlation Inference

 Experiments

---

Abstract

事件检测（Event Detection, ED）旨在从给定文本中识别事件触发词，并将其分类为预定义的事件类型。现有的ED方法大多严重依赖训练实例，几乎忽略了事件类型的相关性。因此，这些方法往往会遭到数据稀缺的困扰，无法处理新的未知事件类型。为了解决这些问题，本文将事件定义为一个事件本体填充的过程：在事件本体中将事件实例链接到预定义的事件类型，并提出一个新颖的本体嵌入的ED框架，OntoED。该方法丰富了事件类型之间的联系，并进一步产生了更多的事件-事件相关性。基于事件本体，OntoED可以提取和推荐相关知识，尤其是从数据丰富到数据稀缺的事件类型。此外，通过建立与现有事件类型的联系，本体可以应用一个新的事件类型。

Introduction

事件检测所面临的挑战：一方面，在ED的基准数据集上样本分布不均匀的情况相当严重，例如FewEvent和MAVEN，其中很大一部分事件类型包含的训练实例相对较少。导致有监督的ED模型很容易产生过拟合；另一方面，面对新的事件类型，以往模型也很难发挥很好的作用。

在本文中，我们用事件类型的更多的内部结构来丰富事件本体，例如时间、因果和层次的事件-事件关系，例如：(Attack, Cause, Sentence), (Sentence, Before, Acquit), (Attack, CoSuper, Riot)，本文的主要意图是充分利用事件本体，并利用从数据丰富的事件类型到数据稀缺的事件类型的相关知识，此外，新的事件类型可以通过现有事件类型的相关性来学习。