科研之友
微信
新浪微博
Facebook
分享链接
摘要
[目的]针对现有基于标注和基于文本生成的事件抽取模型存在的不足，提出一种使用自动构造模板引出预训练语言模型知识的事件联合抽取模型。 [方法]本文基于事件提示符设计了模板自动构造策略来生成统一的提示模板，在编码层为事件提示符引入事件提示编码层，而后接入预训练的BART模型捕捉句子的语义信息，并生成对应的预测序列，从预测序列中提取对应事件类型的触发词和论元，实现事件触发词和论元的联合抽取。 [结果]在包含复杂事件信息文本的事件数据集中，事件触发词抽取的F1达到77.67%，事件论元抽取的F1达到65.06%，相较于最优的基准方法分别提升了2.43%和1.62%。 [局限]模型仅局限于句子级文本，且仅在编码层对提示符进行调优。 [结论]本文模型基于提示符调优能够在减少模板构建成本的同时保持相同甚至更优的性能，并且模型能够识别具有复杂事件信息的文本，有效提升了事件元素多标签分类的效果。
- 单位
