事件抽取與事件關系識別

目錄

第1章緒論1

1.1事件識別及其要素抽取1

1.1.1事件本體歸納2

1.1.2事件抽取2

1.1.3話題檢測和跟蹤3

1.2事件表示學習6

1.2.1離散的事件表示6

1.2.2稠密的事件表示7

1.2.3事件表示的學習方法8

1.3事件主題與主題事件抽取9

1.4事件關系抽取12

1.4.1事件時序關系12

1.4.2事件因果關系13

1.5本章小結15

參考文獻16第2章事件及其關系抽取語料庫20

2.1事件抽取語料庫概述20

2.2語句級事件抽取語料庫23

2.2.1封閉域語料庫23

2.2.2開放域語料庫25

2.2.3OEECFC語料庫26

2.3篇章級事件抽取語料庫33

2.3.1DocEI&AE任務語料庫34

2.3.2DocEAE任務語料庫35

2.4事件關系抽取語料庫36

2.5本章小結39

參考文獻39第3章語句級事件抽取技術44

3.1語句級事件抽取概述44

3.2現有語句級事件抽取技術44

3.2.1事件檢測技術44

3.2.2事件論元抽取技術47

3.2.3事件識別及其論元抽取技術50

3.2.4小結53

目錄3.3依存關系增強的事件檢測技術54

3.3.1研究動機54

3.3.2DSEED模型56

3.3.3實驗58

3.3.4分析61

3.3.5小結63

3.4基於句法語義依存的中文金融事件抽取技術64

3.4.1研究動機 64

3.4.2核心動詞鏈64

3.4.3SSDP圖67

3.4.4缺失結構及成分補全71

3.4.5實驗數據集78

3.4.6評測指標80

3.4.7實驗對比87

3.4.8小結90

3.5基於雙向多通道層次圖註意力網絡的開放事件抽取技術91

3.5.1研究動機91

3.5.2雙向依存圖的構建91

3.5.3DLOEE模型93

3.5.4實驗98

3.5.5分析104

3.5.6小結108

3.6本章小結109

參考文獻109第4章面向無觸發詞的篇章級事件抽取技術114

4.1無觸發詞篇章級事件抽取概述114

4.2基於流水線模式的路徑擴展事件抽取技術115

4.2.1Doc2EDAG模型115

4.2.2GIT模型116

4.2.3ReDEE模型117

4.2.4小結118

4.3基於流水線模式的其他事件抽取技術119

4.3.1二分匹配策略120

4.3.2語句社區策略122

4.3.3極大團策略123

4.3.4小結124

4.4邊增強的篇章級事件聯合抽取技術124

4.4.1研究動機124

4.4.2詞語詞語雙向事件完全圖及其鄰接矩陣125

4.4.3EDEE模型126

4.4.4實驗128

4.4.5分析130

4.4.6小結132

4.5基於<詞語事件>論元角色結構的篇章級事件聯合抽取技術132

4.5.1研究動機132

4.5.2<詞語事件>論元角色132

4.5.3TERMCEE模型135

4.5.4實驗138

4.5.5分析145

4.5.6小結148

4.6基於詞語詞語矩陣生成的篇章級事件聯合抽取技術148

4.6.1研究動機148

4.6.2TTMG模型149

4.6.3實驗151

4.6.4分析154

4.6.5小結157

4.7本章小結157

參考文獻159第5章面向復雜論元的篇章級事件論元抽取技術161

5.1復雜論元篇章級事件論元抽取概述161

5.2基於跨度的角色分類的事件論元抽取技術161

5.2.1窮舉文本片段162

5.2.2基於論元中心詞擴展163

5.2.3小結163

5.3基於角色的跨度預測的事件論元抽取技術164

5.3.1PAIE模型164

5.3.2TabEAE模型165

5.3.3其他模型166

5.3.4小結167

5.4基於文本生成和機器閱讀理解的事件論元抽取技術167

5.4.1基於文本生成的事件論元抽取技術167

5.4.2基於機器閱讀理解的事件論元抽取技術169

5.4.3小結170

5.5基於預測疊代雙向跨度預測的事件論元抽取技術170

5.5.1研究動機170

5.5.2PIBSP模型172

5.5.3實驗175

5.5.4分析176

5.5.5小結178

5.6基於事件模式實例圖的事件論元抽取技術179

5.6.1研究動機179

5.6.2事件模式實例圖180

5.6.3EPIGEAE模型181

5.6.4實驗184

5.6.5分析187

5.6.6小結191

5.7基於雙元自註意力驅動的事件論元抽取技術191

5.7.1研究動機191

5.7.2DAELEAE模型193

5.7.3實驗197

5.7.4分析198

5.7.5小結202

5.8本章小結202

參考文獻203第6章事件表示學習與主題事件抽取技術206

6.1事件表示學習與主題事件抽取概述206

6.1.1事件表示學習206

6.1.2主題事件抽取207

6.2面向事件元組語義區分的事件表示學習技術207

6.3面向事件及其上下文的事件表示學習技術208

6.3.1研究動機208

6.3.2詞語短語結構對象轉化策略209

6.3.3GAMA模型213

6.3.4實驗217

6.3.5分析224

6.3.6小結227

6.4基於多焦點圖神經網絡的主題事件抽取技術227

6.4.1研究動機227

6.4.2事件圖228

6.4.3MGTEE框架233

6.4.4實驗239

6.4.5分析243

6.4.6小結250

6.5本章小結250

參考文獻250第7章事件關系抽取技術256

7.1事件關系抽取概述256

7.2事件時序關系抽取技術257

7.2.1基於堆棧傳播框架的事件時序關系抽取技術258

7.2.2基於語法引導圖轉換器的事件時序關系抽取技術258

7.2.3一種統一的事件時序關系抽取技術259

7.2.4基於時序認知樹的事件時序關系抽取技術260

7.3事件因果關系抽取技術261

7.3.1語句級事件因果關系識別技術261

7.3.2篇章級事件因果關系識別技術263

7.3.3事件因果關系抽取技術265

7.3.4小結267

7.4多類型的中文金融事件關系抽取技術267

7.4.1研究問題267

7.4.2中文金融事件關系269

7.4.3CFERE模型271

7.4.4實驗277

7.4.5分析280

7.4.6實驗擴展281

7.4.7小結282

7.5本章小結283

參考文獻283