季忠祥,吴 悦

(上海大学计算机工程与科学学院,上海 200444)

近年来,信息抽取作为自然语言处理领域的重要研究课题受到了越来越多的关注.事件抽取[1]是信息抽取研究的重要问题之一,旨在从非结构化文本中抽取出人们感兴趣的事件信息,并以结构化的形式呈现出来,在信息检索、自动问答、知识图谱等领域有着广泛应用.

自动内容抽取(automatic content extraction,ACE)测评会议是在事件抽取领域具有权威影响的会议.2005 年,ACE 会议首次将事件抽取作为主要任务之一,定义了事件由事件触发词和事件要素组成,事件抽取任务包括事件识别和事件要素识别.事件识别是确定事件触发词是否与真实事件相关;事件要素识别是识别时间、地点和对象要素.表1 是ACE 中文标注指南中事件触发词和事件要素的示例[2].

表1 ACE 中文标注指南中事件触发词和事件要素的一个例子Table 1 An example of event trigger and event arguments in ACE Chinese annotation guidelines for events

目前,对事件抽取的方法主要分为3 类:基于规则模式的方法、基于机器学习的方法和基于深度学习的方法.基于规则模式的方法的优点是所需标注语料少,在特定领域中准确率较高,但需要依赖领域知识来制定大量的事件抽取规则,灵活性与可移植性较差.这类研究采用的主要方法有:正则表达式方法[3]、词汇-句法模式方法[4]、词汇-语义模式方法[5].

与基于规则模式的方法相比,基于机器学习的方法克服了过度依赖领域规则的问题,具有较好的鲁棒性和灵活性,但在很大程度上依赖于语料库规模和标……