《表3 Personnel事件大类下各子类事件的事件元素对比》
在基于CRF的事件抽取联合模型中,采用分类训练策略避免了事件元素的多标签问题,但也使得模型的训练语料规模大幅降低.因此,很难得到相对完备的训练模型.通过观察发现,在ACE定义的33类事件中,处于同一事件大类下的事件子类,其事件元素有着高度的相互关联性,如例4和例5.表3将Personnel事件大类下各子类事件的事件元素进行了对比.观察表3可以发现:尽管事件的子类别有所不同,但其事件元素角色却极为相似.为此,本文将同一事件大类下的事件子类作为可以相互促进的多任务同时进行标注,通过多任务学习模型挖掘不同事件子类别之间的相互关联关系,进而强化事件抽取联合模型.本文共构建了7个基于CRF多任务学习的事件抽取联合模型(Movement事件大类只包含1个子类,因而无法构建多任务学习模型).事件的多任务划分如图5所示.
图表编号 | XD0039650300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 贺瑞芳、段绍杨 |
绘制单位 | 天津大学智能与计算学部、天津市认知计算与应用重点实验室、天津大学智能与计算学部、天津市认知计算与应用重点实验室 |
更多格式 | 高清、无水印(增值服务) |