检索结果-内蒙古大学图书馆

作者：杨琪北京邮电大学

学位级别：硕士

事件抽取任务是指将含有事件信息的非结构化文本进行结构化表示,依据是否给定事件模式,常常分为限定域事件抽取和开放域事件抽取。完整的事件模式包括了多个事件类型的事件模式,其定义了表示该事件类型所必须的论元角色。给定领域内事... 详细信息

事件抽取任务是指将含有事件信息的非结构化文本进行结构化表示,依据是否给定事件模式,常常分为限定域事件抽取和开放域事件抽取。完整的事件模式包括了多个事件类型的事件模式,其定义了表示该事件类型所必须的论元角色。给定领域内事件模式,限定域事件抽取对自然语言文本中的事件类型及其论元进行识别。而开放域事件抽取则需要未给定事件模式下,结构化表示文本中的事件信息。完整事件模式的构建通常需要领域专家的标注,而专家也无法预定义所有可能的事件类型及其模式。因此,从开放域事件文本中发现新事件类型,并归纳出对应的事件模式,是一项极具挑战的任务。现有的研究方法仍然存在很多不足。对于新事件类型发现这一子任务,现有方法除了依赖于大量标注数据外,还设置复杂目标函数进行学习,不同的目标函数间常常需要参数平衡。而归纳表示某类事件的模式时,现有研究归纳出的事件论元角色大都依赖于语法解析工具,或者限定在人工定义的候选角色词表中,无法归纳出具有事件特色的事件模式。因此,本课题对开放域事件发现及表示进行研究,分为开放域条件下的新事件类型发现及用于表示某类事件的特定事件模式归纳两个部分。对于新事件类型发现任务,本文以简化现有方法的复杂目标函数为研究目标,提出了一种基于可靠伪标签预测的新事件类型发现方法。给定部分已知事件类型的标注数据,该方法首先利用拼接操作构建全部类别上的预测结果,之后结合不同的深度聚类算法设计两次标签再分配策略,为无标注数据构造可靠的伪标签,从而使模型通过统一目标函数对已知类和未知类共同学习,实现无标注文本中新事件类型的自动发现。实验结果表明,相比基线方法,本文方法不需要参数来平衡多个复杂的目标函数,同时在聚类指标评估上都有了较大提升。对于特定事件模式归纳任务,本文以自动归纳具有事件特色的事件论元角色为研究目标,提出了一种基于对偶提示学习的特定事件模式归纳方法。针对每一事件类型的对应事件簇,该模型首先以事件实例中的命名实体作为候选论元,通过采用对偶的提示学习方法,在全词表进行候选论元角色的命名与校验,最后通过可变阈值来迭代合并相同语义的论元角色,归纳出其事件模式。实验结果表明,该方法在准确率和召回率指标上超过了现有方法,同时通过下游任务及实例分析表明,本文方法相比现有方法可以生成更具有事件特色的事件模式,有利于开放域的事件结构化表示。

关键词：开放域事件抽取事件类型发现事件模式归纳伪标签提示学习

来源：评论

学校读者我要写书评

暂无评论

语义信息提取和图结构挖掘的事件骨架生成方法

引用

计算机工程与应用 2025年第12期 187-195页

作者：黄凯马廷淮孙圣杰龚智恒汤毅翔陈思南京信息工程大学软件学院江苏海洋大学计算机工程学院南京信息工程大学计算机学院、网络安全学院南京信息工程大学人工智能学院(未来技术学院)

事件骨架生成旨在从一系列的事件图中归纳出包含事件类型及其时序关系的事件骨架图。这是在时间复杂事件模式归纳任务中的一个核心步骤。尽管现有的方法在这项任务上已经取得了一定的效果，但是由于事件图的复杂性和多变性，这些方法在... 详细信息

事件骨架生成旨在从一系列的事件图中归纳出包含事件类型及其时序关系的事件骨架图。这是在时间复杂事件模式归纳任务中的一个核心步骤。尽管现有的方法在这项任务上已经取得了一定的效果，但是由于事件图的复杂性和多变性，这些方法在挖掘事件图的结构信息和语义信息方面仍显不足。因此，为解决该问题，提出了一种事件骨架生成模型。在图编码阶段，模型使用了拉普拉斯位置编码，以精准捕捉和编码图结构的局部信息。同时，模型采用了多头注意力机制和图卷积网络，以提取语义信息和图结构信息，全面总结事件发展的全局结构信息，构建出更泛化、更全面的事件骨架图。实验证明，在事件骨架生成任务上，该模型在Event Match指标上提升了8.83%,Event Sequence Match指标上提升了11.2%(L=2)和7.6%(L=3)，实现了较大的性能提升。

关键词：事件模式归纳事件骨架生成图生成语义信息提取图结构挖掘

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：