语义混淆矫正下的连续事件提取
本文提出了一种新的事件提取框架,使用事件类型和参数角色作为自然语言查询,通过注意机制更好地捕捉语义相关性,并利用各种本体的事件注释作为统一模型。在 ACE 和 ERE 上的实验表明,本方法在每个数据集上均取得了最先进的性能,并在零-shot事件提取上显著优于现有方法。
原文中文,约300字,阅读约需1分钟。
本文提出了一种新的事件提取框架,使用事件类型和参数角色作为自然语言查询,通过注意机制更好地捕捉语义相关性,并利用各种本体的事件注释作为统一模型。在 ACE 和 ERE 上的实验表明,本方法在每个数据集上均取得了最先进的性能,并在零-shot事件提取上显著优于现有方法。