一种基于模板提示学习的事件抽取方法

摘要：

[目的]针对现有基于标注和基于文本生成的事件抽取模型存在的不足,提出一种使用自动构造模板引出预训练语言模型知识的事件联合抽取模型.[方法]基于事件提示符设计模板自动构造策略以生成统一的提示模板,在编码层为事件提示符引入事件提示编码层,而后接入预训练的BART模型捕捉句子的语义信息,并生成对应的预测序列,从预测序列中提取对应事件类型的触发词和论元,实现事件触发词和论元的联合抽取.[结果]在包含复杂事件信息文本的事件数据集中,事件触发词抽取和事件论元抽取的F1值分别达到77.67％和65.06％,相较于最优的基准方法分别提升了 2.43和1.62个百分点.[局限]模型仅局限于句子级文本,且仅在编码层对提示符进行调优.[结论]本文模型基于提示符调优,能够在减少模板构建成本的同时保持相同甚至更优的性能,并且能够识别具有复杂事件信息的文本,有效提升了事件元素多标签分类的效果.

关键词：中文事件抽取、预训练语言模型、提示学习、联合学习

所属期刊栏目：7

分类号：TP183;G202(自动化基础理论)

在线出版日期：2023-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：86-98