软件学报

作者：王浩畅，周郴莲，Marius Gabriel PETRESCU

单位：王浩畅，东北石油大学 计算机与信息技术学院, 黑龙江 大庆 16331811,周郴莲，东北石油大学 计算机与信息技术学院, 黑龙江 大庆 16331802,Marius Gabriel PETRESCU，Universitatea Petrol-gaze din Ploiesti, Bucharest 100680, Romania03

关键词：事件抽取;有监督学习;深度学习;远程监督;信息抽取

基金：国家自然科学基金(61402099,61702093)

事件抽取是从非结构化的自然语言文本中自动抽取用户感兴趣的事件信息, 并以结构化的形式表示出来. 事件抽取是自然语言处理与理解中的重要方向, 在政府公共事务管理、金融业务、生物医学等不同领域有着很高的应用价值. 根据对人工标注数据的依赖程度, 目前基于深度学习的事件抽取方法主要分为两类: 有监督和远程监督学习方法. 对当前深度学习中事件抽取技术进行了全面的综述. 围绕有监督中CNN、RNN、GAN、GCN与远程监督等方法, 系统地总结了近几年的研究情况, 并对不同的深度学习模型的性能进行了详细对比与分析. 最后, 对事件抽取面临的挑战进行了分析, 针对研究趋势进行了展望.

来源：2023年第8期

《软件学报》期刊编辑部

查看软件学报杂志2023年第8期