亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

基于模式的事件提取是及時理解事件本質內容的關鍵技術。隨著深度學習技術的快速發展，基于深度學習的事件提取技術成為研究熱點。文獻中提出了大量的方法、數據集和評價指標，因此需要進行全面和更新的調研。本文通過回顧最新的方法填補了這一空白，重點關注基于深度學習的模型。我們總結了基于模式的事件提取的任務定義、范式和模型，然后詳細討論每一個。我們引入了支持預測和評估指標測試的基準數據集。本綜述還提供了不同技術之間的綜合比較。最后，總結了今后的研究方向。

引言

事件抽取(EE)是信息抽取研究中的一個重要而富有挑戰性的課題。事件作為一種特殊的信息形式，是指在特定時間、特定地點發生的涉及一個或多個參與者的特定事件，通常可以描述為狀態的變化。事件提取任務旨在將此類事件信息從非結構化的純文本中提取為結構化的形式，主要描述現實世界中事件發生的“誰、何時、何地、什么、為什么”和“如何”。在應用方面，該任務便于人們檢索事件信息，分析人們的行為，促進信息檢索、智能問答、知識圖譜構建等實際應用。

事件提取可分為兩個層次:基于模式的事件提取[17,62]和基于開放域的事件提取[3,42]。在基于模式的事件抽取任務中，事件被認為是特定的人和對象在特定的時間和地點進行交互的客觀事實。基于模式的事件提取[25]是尋找屬于特定事件模式的單詞，即發生的動作或狀態變化，其提取目標包括時間、地點、人、動作等。在開放域事件提取任務[44]中，事件被認為是一組主題的相關描述，可以通過分類或聚類形成。基于開放領域的事件提取是指獲取與特定主題相關的一系列事件，通常由多個事件組成。無論是基于模式還是開放域事件提取任務，事件提取的目的是從大量文本中捕獲我們感興趣的事件類型，并以結構化的形式顯示事件的基本參數。

我們主要關注基于模式的事件抽取，它已經有了大量的工作，是一種比較成熟的研究分類。基于模式的事件提取從文本中發現事件提到，并提取包含事件觸發器和事件參數的事件。事件提到是包含一個或多個觸發器和參數的句子。事件提取需要識別事件、分類事件類型、識別參數并判斷參數角色。觸發器識別和事件分類可分為事件檢測任務。參數識別和參數角色分類可以定義為參數提取任務。事件分類是一個多標簽文本分類任務，用于對每個事件的類型進行分類。角色分類任務是一種基于詞對的多分類任務，確定句子中任意一對觸發器和實體之間的角色關系。因此，事件提取可以依賴于一些NLP任務的結果，如命名實體識別(NER)、語義解析和關系提取。

我們給出了事件抽取流程圖，如圖1所示。首先，對于給定的文本，有必要區分文本中的事件類型。對于不同的事件類型，設計了不同的事件模式。目前，事件模式的設計主要包括手工設計和模型生成兩種方式。然后，根據模式提取事件參數。在早期階段，將元素提取作為一個詞分類任務，對文本中的每個詞進行分類。此外，還有序列標記和機器閱讀理解(MRC)方法。最后，由于事件抽取任務的復雜性，研究者考慮引入外部知識來提高模型性能。

近年來，深度學習方法在很多領域得到了應用，深度學習模型能夠自動有效地提取句子中的重要特征。與傳統的特征提取方法相比，深度學習方法可以自動提取特征。它可以對語義信息進行建模，并在更高的層次上自動組合和匹配觸發特征。這些方法的有效性在自然語言處理中得到了驗證，并取得了許多突破。在事件提取任務中使用深度學習可以使許多研究人員消除特征提取工作。

大多數基于深度學習的事件提取方法通常采用監督學習，這意味著需要高質量的大數據集。ACE 2005[13]是少數可用的標記事件數據之一，手動標記新聞，博客，采訪和其他數據。ACE數據規模小是影響事件提取任務發展的主要因素。依賴人工標注語料庫數據耗時耗力，導致現有事件語料庫數據規模小、類型少、分布不均勻。事件提取任務可能非常復雜。一個句子中可能有多個事件類型，不同的事件類型將共享一個事件參數。同樣的論點在不同事件中的作用也是不同的。根據抽取范式，基于模式的抽取方法可分為基于管道的抽取方法和基于聯合的抽取方法。對基于管道的模型學習事件檢測模型，然后學習參數抽取模型。聯合事件提取方法避免了觸發器識別錯誤對參數提取的影響，但不能充分利用事件觸發器的信息。到目前為止，最好的事件提取方法是基于聯合的事件提取范例。

對于傳統的事件提取方法，需要進行特征設計，而對于深度學習事件提取方法，可以通過深度學習模型進行端到端的特征提取。綜合分析了現有的基于深度學習的事件提取方法，并對未來的研究工作進行了展望。本文的主要貢獻如下:

• 介紹了事件提取技術，回顧了事件提取方法的發展歷史，指出基于深度學習的事件提取方法已成為主流。我們根據表1中發表年份總結了深度學習模型的必要信息，包括模型、領域、場所、數據集和子任務。

• 我們詳細分析了各種基于深度學習的提取范式和模型，包括它們的優缺點。我們介紹了現有的數據集，并給出了主要評價指標的制定。我們在表3中總結了主要數據集的必要信息，如類別的數量，語言和數據地址。

• 我們在表5中總結了ACE 2005數據集上的事件提取準確度得分，并討論了事件提取面臨的未來研究趨勢，從而總結了綜述。