潘丽敏， 李筱雅， 罗森林， 吴舟婷

(北京理工大学 信息与电子学院，北京 100081)

随着互联网信息爆炸式增长，面对海量信息，如何从大量非结构化文本中提取有用信息成为一个亟待解决的问题，信息抽取技术应运而生.事件抽取任务是信息抽取中一个重要问题，主要目的是将包含事件信息的非结构化文本通过结构化的形式表示出来.近些年来，MUC(message understanding conference)会议、ACE(automatic content extraction)会议对事件抽取技术的发展起到了极大的推动作用.事件检测作为事件抽取的一个重要子任务，其目的是抽取事件触发词并将其分类到特定事件类别中，能够帮助用户从文本中检测出需要的事件信息，这些信息对于机器翻译、情报研究、文本检索、趋势分析、技术监测[1]等领域均具有广泛意义.

目前大部分的事件检测方法往往将句中事件视为独立个体，忽视了事件之间的相关关系[2-4].为实现触发词的正确识别与分类，往往需要对特定语境进行分析，而同一句子及文档中事件往往基于同一场景，存在一定主题相关性，能够为特征的正确表示提供有效信息[5-8].如例1中，同一文档的4个句子中，“caught”、“arrested”以及“it”为触发词，均触发了“Justice.Arrest-Jail”事件.最后一个句子“we had no part in it”中的代词触发词 “it”指代上文“arrested”以及“caught”触发的事件，若只在该句子水平进行分析，代词触发词“it”则较难识别，但若联系上文提及的两个语义相关事件，则可以获得更多的信息以实现“it”的正确识别与分类.

例1：The way wecaughtthat guy was by coordinating with our allies.We now have a foreign policy in Iraq that is putting enormous strain on those allies.The same weekend theyarrestedthe guy, we had no part init.

译文：我们以协调盟友的方式去抓那个人.我们现在在伊拉……