王 雷，李瑞轩，李玉华，辜希武，杨 琪

华中科技大学 计算机科学与技术学院，武汉 430074

网络空间里每天都会产生大量的文本信息。这些信息的增量发展在给人类带来便利的同时，也让人类完全消化理解它们变得困难。对此，相关学者针对事件抽取任务展开了广泛研究。

作为事件抽取领域最具影响力的测评会议，自动内容抽取（automatic content extraction，ACE，https://www.ldc.upenn.edu/collaborations/past-projects/ace）会议给出了计算机所要抽取的事件的定义：事件就是发生在某个时间、某个地点，由某些角色参与完成的某个动作或状态的改变。由此可以引申出，在任何一个领域，一个事件都可以用时间、地点、对象、动作等几个预先定义的结构化事件要素进行表示。如表1所示，一个由非结构化文本描述的股权质押事件，可以由右边的几个事件要素进行表示。

Table 1 Example of document-level event extraction表1 文档级事件抽取示例

通常，事件抽取中涉及到的专业名词包括：

实体（entity）：具有特定语义的基本单元，如时间、人物、地点、数量、组织机构等。

事件触发词（event trigger）：标志了某种类型事件发生的词汇。如表1 中的“质押”是股权质押事件的触发词。

事件类型（event type）：所发生的事件的类别。

事件论元（event argument）：参与事件发生的要素，由实体构成，在表1 中用斜体加下划线表示。

论元角色（argument role）：事件论元在事件中扮演的角色，如表1 中的“质押人”“质权人”等，每种事件类型均预定义了多个不同的论元角色域。

1 事件抽取问题分析

作为自然语言处理中的一个重要方向，事件抽取研究的内容是如何从非结构化文本中抽取出用户感兴趣的事件，并将事件信息以结构化要素的形式表示出来。……