软件学报

作者：贺瑞芳，马劲松，黄孝家，张仕奇，白洁

单位：贺瑞芳，天津大学 智能与计算学部, 天津 300350;天津市认知计算与应用重点实验室, 天津 30035011,马劲松，天津大学 智能与计算学部, 天津 300350;天津市认知计算与应用重点实验室, 天津 30035002,黄孝家，天津大学 智能与计算学部, 天津 300350;天津市认知计算与应用重点实验室, 天津 30035003,张仕奇，中国电子科技集团公司第五十四研究所, 河北 石家庄 05008104,白洁，中国电子科技集团公司第五十四研究所, 河北 石家庄 05008105

关键词：事件检测;类别无关语义;度量学习;少样本学习

基金：国家自然科学基金(62376192, 61976154)

事件检测旨在识别非结构化文本中的事件触发词, 并将其分类为预定义的事件类别, 可用于知识图谱构建及舆情监控等. 然而, 其中的数据稀疏和不平衡问题严重影响了事件检测系统的性能和可用性. 现有大多数方法没有很好地解决这一问题, 这源于其将不同类别的事件独立看待, 并通过分类器或空间距离对触发词进行识别和分类. 尽管有研究考虑事件大类下子类的事件元素存在关联性, 采用多任务学习进行互增强, 但忽略了不同类别事件触发词之间的共享属性. 已有相关建模事件类别关系的工作需要大量的规则设计和数据标注, 导致作用域局限, 泛化性不强. 因此, 提出一种基于元属性的事件检测方法. 其旨在学习不同类别样本中包含的共享内在信息, 包括: (1) 构造触发词的特殊符号表示并通过表示向量的映射来提取触发词的类别无关语义; (2) 拼接触发词表示, 类别的样本语义表示和类别的标签语义表示, 输入一个可训练的相似度度量层, 从而建模关于触发词和事件类别的公用相似度度量. 通过学习以上两种信息以缓解数据稀疏和不平衡的影响. 此外, 将样本的类别无关语义集成到分类方法中, 并构建完整的融合模型. 在ACE2005和MAVEN数据集上通过不同程度稀疏和不平衡情景下的实验证明所提出方法的有效性, 并建立传统和少样本设置之间的联系.

来源：2025年第2期

《软件学报》期刊编辑部

查看软件学报杂志2025年第2期