BriefGPT - AI 论文速递
·
语义混淆矫正下的连续事件提取
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
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。
🎯
关键要点
-
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。
-
框架通过注意机制更好地捕捉事件类型或参数角色与输入文本之间的语义相关性。
-
方法利用来自各种本体的事件注释作为统一模型。
-
在 ACE 和 ERE 数据集上的实验表明，该方法取得了最先进的性能。
-
在零-shot事件提取上显著优于现有方法。
🏷️
标签
➡️
