摘要：事件抽取可以幫助人們從海量的文本中快速、準確地獲取感興趣的事件知識。然而,目前事件抽取的研究主要集中在從單一句子中抽取事件,由于事件構成的復雜性和語言表述的多樣性,多數(shù)情況下多句才能完整地描述一個事件。因此,從篇章中抽取出完整的結構化事件信息,顯得更有價值和意義。該文首先利用基于注意力機制的序列標注模型聯(lián)合抽取句子級事件的觸發(fā)詞和實體,與獨立進行實體抽取和事件識別相比,聯(lián)合標注的方法在F值上提升了1個百分點。然后利用多層感知機判斷實體在事件中扮演的角色。最后,在句子級事件抽取的基礎上,利用整數(shù)線性規(guī)劃的方法進行全局推理,融合句子級事件信息,實現(xiàn)篇章級事件抽取,與基線模型相比,這種基于全局推理的篇章級事件抽取在F值上提升了3個百分點。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
