软件学报

作者：朱敏，毛莺池，程永，陈程军，王龙宝

单位：朱敏，河海大学 计算机与信息学院, 江苏 南京 21110011,毛莺池，河海大学 计算机与信息学院, 江苏 南京 211100;水利部水利大数据重点实验室(河海大学), 江苏 南京 21110002,程永，河海大学 计算机与信息学院, 江苏 南京 21110003,陈程军，河海大学 计算机与信息学院, 江苏 南京 21110004,王龙宝，河海大学 计算机与信息学院, 江苏 南京 211100;水利部水利大数据重点实验室(河海大学), 江苏 南京 21110005

关键词：事件抽取;双重注意力;依赖关系;论元填充;神经网络

基金：国家重点研发计划（2018YFC0407105）；江苏省重点研发计划（BE2020729）；江苏省研究生科研创新项目（B200203130）；华能集团总部科技项目（HNKJ19-H12）

针对事件抽取存在未充分利用句法关系、论元角色缺失的情况，提出了基于双重注意力机制的事件抽取（event extraction based on dual attention mechanism，EEDAM）方法，有助于提高事件抽取的精确率和召回率.首先，基于4种嵌入向量进行句子编码，引入依赖关系，构建依赖关系图，使深度神经网络可以充分利用句法关系.然后，通过图转换注意网络生成新的依赖弧和聚合节点信息，捕获长程依赖关系和潜在交互，加权融合注意力网络，捕捉句中关键的语义信息，抽取句子级事件论元，提升模型预测能力.最后，利用关键句检测和相似性排序，进行文档级论元填充.实验结果表明，采用基于双重注意力机制的事件抽取方法，在ACE2005数据集上，较最佳基线联合多中文事件抽取器（joint multiple Chinese event extractor，JMCEE）在精确率、召回率和F1-score分别提高17.82%、4.61%、9.80%；在大坝安全运行日志数据集上，较最佳基线JMCEE在精确率、召回率和F1-score上分别提高18.08%、4.41%、9.93%.

来源：2023年第7期

《软件学报》期刊编辑部

查看软件学报杂志2023年第7期