软件学报

作者：贺瑞芳,段绍杨

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,段绍杨，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

关键词：多任务学习;条件随机场(CRF);事件抽取

基金：国家自然科学基金（61472277）；天津市自然科学基金（18JCYBJC15500）

事件抽取旨在从非结构化的文本中提取人们感兴趣的信息，并以结构化的形式呈现给用户.当前，大多数中文事件抽取系统采用连续的管道模型，即：先识别事件触发词，后识别事件元素.其容易产生级联错误，且处于下游的任务无法将信息反馈至上游任务，辅助上游任务的识别.将事件抽取看作序列标注任务，构建了基于CRF多任务学习的中文事件抽取联合模型.针对仅基于CRF的事件抽取联合模型的缺陷进行了两个扩展：首先，采用分类训练策略解决联合模型中事件元素的多标签问题（即：当一个事件提及中包含多个事件时，同一个实体往往会在不同的事件中扮演不同的角色）.其次，由于处于同一事件大类下的事件子类，其事件元素存在高度的相互关联性.为此，提出采用多任务学习方法对各事件子类进行互增强的联合学习，进而有效缓解分类训练后的语料稀疏问题.在ACE 2005中文语料上的实验证明了该方法的有效性.

来源：2019年第4期

《软件学报》期刊编辑部

查看软件学报杂志2019年第4期