论文泛读132Text2Event：用于端到端事件提取的可控序列到结构生成

Posted 2021-06-29 及时行樂_

贴一下汇总贴：论文阅读记录

论文链接：《Text2Event: Controllable Sequence-to-Structure Generation for End-to-end Event Extraction》

一、摘要

由于事件记录的复杂结构以及文本和事件之间的语义鸿沟，事件提取具有挑战性。传统方法通常通过将复杂结构预测任务分解为多个子任务来提取事件记录。在本文中，我们提出了 Text2Event，这是一种序列到结构生成范式，可以以端到端的方式直接从文本中提取事件。具体来说，我们设计了一个用于统一事件提取的序列到结构网络，一个用于推理过程中事件知识注入的约束解码算法，以及一个用于高效模型学习的课程学习算法。实验结果表明，通过在单个模型中统一建模所有任务并普遍预测不同的标签。

二、结论

在本文中，我们提出了TEXT2EVENT，一个用于事件抽取的序列到结构生成范式。TEXT2EVENT直接从并行文本记录注释中学习，并在一个序列到结构的框架中统一建模事件提取的所有子任务。具体地说，我们提出了一种有效的序列到结构的事件抽取网络，并通过在推理过程中进行事件知识注入的约束译码算法和有效的模型学习的课程学习算法进一步增强了该网络。在监督学习和迁移学习设置下的实验结果表明，TEXT2EVENT仅使用粗文本记录标注就可以达到与之前的SOTA竞争的性能。在未来的工作中，我们计划将我们的方法应用到其他的信息抽取任务中，例如n元关系抽取。

三、model

三个事件表示的例子：

首先使用简单的事件子结构生成任务训练PLM，使其不会在非语义指标上过拟合；然后对模型进行全事件结构生成任务的训练。

• 子结构学习
• 完整结构学习