本文共 793 字，大约阅读时间需要 2 分钟。

  作者：崔金满      单位：燕山大学

论文链接：

代码地址：

数据集：ACE 2005 和 KBP 2017 （中文语料）

来源：EMNLP 2019

事件检测包括触发器识别和对事件提及进行分类两个子任务，对于没有分隔符的中文来说主流的方法是基于词汇的模型，即首先对句子进行分词，然后再执行后续任务。

针对问题：

1. 触发词不匹配问题：如一个触发器属于一个词的一部分，或者由多个词组成。在下图中，“射”和“杀”两个触发器分别对应两个不同的事件，却在中文分词过程中往往会将其分为一个词“射杀”；

   

    

2. 一词多义引起的事件分类错误：由于同一个词在不同的语境下，常常会表现不同的含义，所以在事件分类过程中，还会受到触发词一词多义的影响。

   

    

创新： 

1. 提出TLNN模型，同时解决触发词不匹配和一词多义问题；
2. 利用外部知识库来获取语义信息。

模型：

本文将事件检测视为序列标注任务，将字符序列输入模型，然后模型将识别每个字符是否为触发器的一部分，并将其进行正确分类。

• 分层表示学习

将文本分为字符级（character level）、单词级（word level）和基于HowNet的语义级（sense level）三个层级进行表示

• 触发词感知特征提取

在抽取触发词特征时，本文在传统LSTM的基础上 ，利用额外的LSTMCell来整合字符、单词的所有语义信息。 

获取字符级语义信息为例：

首先通过HoeNet获取字符 的所有语义，然后将第j个语义表示输入LSTMCell，从而得到cell gate

    然后，对所有的语义信息进行整合，保存到临时的单元状态

在获取字符级和单词级的临时细胞状态之后，通过一个额外的门对其进行整合，得到隐藏状态向量。

• 序列标注

将每个字符的隐藏向量作为输入，使用CRF进行序列标注

 实验

本文在ACE和KBP两个数据集上分别通过与基于字符和基于词的模型进行对比，从整体上看均取得了很好的效果 

转载地址：http://bqmgi.baihongyu.com/