基于CSOT-BiLSTM-CRF 的中文事件要素识别
2021-12-07张顺香
阜阳师范大学学报(自然科学版) 2021年4期
杨 彬,廖 涛,张顺香
(安徽理工大学,计算机科学与工程学院,安徽 淮南 232001)
事件抽取是信息抽取的重要子任务,旨在从非结构化的信息中抽取出用户感兴趣的信息,并以结构化的形式向用户展示。事件抽取可以分成事件识别和事件要素识别两个部分,事件识别是找到事件的触发词并确定事件所属类别;事件要素识别是对确定事件中所包含的事件要素进行识别。
定义1 事件(Event)指的是在某个特定时间和环境下发生的、由若干角色参与、表现出若干动作特征的一件事情[1]。
定义2 事件要素(Event Argument)指的是参与某个事件的角色,例如时间、地点、参与者、动作等[1]。
本文的研究内容是事件要素识别,事件要素识别的目的是找到事件中表示要素的词语所在的位置。例如,在交通事故类事件中需要准确识别出事故发生的时间、地点、救援措施等;在恐怖袭击类事件中需要识别出袭击地点、策划人、袭击方式等。对于例1,在事件要素识别任务中,“5 月12日14 时28 分”应被识别为时间要素;“四川汶川县”应被识别为地点要素;“地震”应被识别为标识词要素。
例1,5 月12 日14 时28 分 在四川汶川县 发生7.8 级地震
早先的事件要素识别多采用模式识别和传统机器学习的方法,通常依赖于一系列复杂的自然语言处理工具来提取词汇级特征(如词性特征,邻近词)和句子级特征(如依存关系),虽然取得了一定效果,但模型的泛化能力通常较差。
近年来,神经网络迅速发展,并成功应用于自然语言处理领域。……
登录APP查看全文
