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。发表于：。我们提出了一种用于解决连续事件提取中语义混淆问题的新颖模型，通过为每个句子标记伪标签来缓解语义混淆，并在当前和之前的模型之间传递关键知识以提高对事件类型的理解，此外还通过利用其他关联类型来鼓励模型集中关注长尾事件类型的语义，实验结果表明我们的模型优于最先进的基线算法，并在不平衡数据集上表现出色。
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。
