融合词性语义扩展信息的事件检测方法

作者：严海宁; 余正涛^*; 黄于欣; 宋燃; 杨溪

来源：计算机工程, 2023, 1-10.

DOI：10.19678/j.issn.1000-3428.0066880

• 事件检测
• 稀疏标记
• 词性筛选
• 语义扩展
• 语义融合
• 动态池化

事件检测是事件抽取中的关键步骤，其依赖于触发词进行事件类型分类。目前主流的事件检测方法在稀疏标记数据上性能较差，模型过度拟合密集标注的触发词，而在稀疏标记的触发词或者未见过的触发词上失效。现有方法大多通过扩充更多训练实例来缓解这一问题。但扩充后的数据分布不均，存在内置偏差，仍然表现不佳。其原因在于稀疏标注数据的触发词难以识别，导致其事件类型不能被正确分类。为此，对词粒度扩展信息进行探索，在不增加训练实例的条件下，缩小候选触发词的范围，并对候选触发词进行语义扩展，挖掘候选触发词的上下文中蕴含的丰富语义，以缓解稀疏标记数据的问题。首先，通过词性筛选模块寻找候选触发词并对其进行语义扩展，挖掘词粒度语义信息。其次，融合句子粒度语义信息提升语义表征的鲁棒性，最终通过Softmax分类器进行分类，从而完成事件检测任务。在ACE2005和KBP2015数据集上的实验结果表明，该模型在事件检测任务中的F1分数分别达到了79.5%和67.5%，有效提升了事件检测的性能。并且在稀疏标记数据实验中的F1分数达到了78.5%，明显改善了稀疏标记数据的问题。

• 单位
  昆明理工大学; 自动化学院