面向數(shù)據(jù)稀疏問題的英文事件抽取研究.pdf

1、事件是一種描述特定人、物、事在特定時間和地點相互作用的客觀事實。事件抽取旨在從非結構化的自由文本中抽取出事件信息，并以結構化的形式表示。結構化的事件信息包含觸發(fā)詞、事件類型、事件成員及其角色。現(xiàn)有的事件抽取方法往往受限于數(shù)據(jù)稀疏問題而導致性能不高，數(shù)據(jù)稀疏問題是指由于語料規(guī)模較小、類別分布不平衡等問題造成模型訓練不充分，難以在測試集中正確抽取出在訓練集中未出現(xiàn)或出現(xiàn)較少的事件信息。
　　本研究主要內容包括：⑴引入框架語義知識以輔助

2、解決事件抽取中存在的數(shù)據(jù)稀疏問題。該方法首先將框架語義知識庫FrameNet中的框架類型作為泛化特征，在此基礎上進行框架類型和事件類型的映射，然后結合框架類型識別模型和事件類型識別模型進行協(xié)作判定，以此優(yōu)化事件抽取的召回率和F1值。⑵針對現(xiàn)有的事件抽取語料規(guī)模較小且標注質量不高，本課題引入基于串行模型和基于聯(lián)合模型的主動學習方法，旨在提高語料標注的效率和質量。在基于串行模型主動學習方法的查詢函數(shù)中，首先傾向于選擇觸發(fā)詞分類不確定度較大的

3、樣例進行標注，直到觸發(fā)詞分類的不確定度較穩(wěn)定時，再逐漸加大事件成員分類的不確定度權重。基于聯(lián)合模型的主動學習方法將事件抽取的兩個子任務觸發(fā)詞分類和事件成員分類看作一個整體的序列標注任務，即在查詢函數(shù)中不再區(qū)分觸發(fā)詞分類和事件成員分類兩個子任務的不確定度，而只需要考慮一個整體序列標注任務的不確定度。⑶現(xiàn)有的事件抽取方法往往忽視長文本的短語作為觸發(fā)詞的情況，并且沒有考慮偽事件中否定詞和不確定詞的作用范圍，具有較低的召回率。針對上述問題，本文