张 震，谷 雨，耿小航，俞海亮

(杭州电子科技大学自动化学院，浙江 杭州 310018)

0 引 言

事件抽取是信息抽取领域的一个重要研究方向。事件抽取就是从自由文本中检测出事件的发生并提取出事件的要素，对人们认知世界有着深远的意义，是信息检索、知识图谱构建等实际应用的基础，广泛应用于检索、问答、推荐等应用系统[1]。一般将事件抽取分为2个子任务，即事件触发词抽取和事件元素抽取。事件触发词抽取是指检测事件句中的触发词位置并识别出其所属事件的类型，事件元素抽取则是识别出事件句中的事件组成元素及其所对应的元素角色类型。触发词是事件句中的核心词，是事件类型的决定性因素，事件触发词的抽取在事件抽取任务中起着关键作用。

目前，关于事件抽取的研究主要集中在机器学习领域，大致分为基于特征工程的方法和基于深度神经网络的方法。传统的事件抽取主要采用人工构建特征的方式。Ahn[2]利用词性、实体类别等特定特征进行事件抽取。Li等[3]不满足局部特征的构建，通过构建全局特征，建立事件抽取模型。McClosky等[4]借助词性标注、句法依存分析等自然语言处理工具来获取特征。文献[5-6]使用跨实体推理和跨篇章推理的方法进行触发词的抽取。随着深度学习的快速发展，基于海量公开文本数据的神经网络特征提取方法避免了人工构造特征的主观性，逐步应用于事件抽取领域。文献[7-8]将卷积神经网络模型……