《表4 事件抽取实验结果》
此外,我们将经过Span Scorer后的结果输出,使用KBP2016官方提供的事件评测工具包对保留的候选元素打分,计算这些候选元素所包含正确事件的个数,结果见表4。需要特别注意的是尽管事件抽取任务作为事件指代消解任务中的第一步,但是正如表1给出的统计结果,在非结构化文本中大量的事件是没有同指关系的。本文给出的端到端的事件同指平台只关注最终事件同指的性能。通过分析表4中的召回率(Rec)以及准确率(Prec)可以看出,经过打分操作后模型保留了绝大部分正确的触发词,但也包括大量的负例。而对于事件指代消解任务,不仅这些负例会对模型的最终性能有影响,同时不具备同指属性的正确触发词也会干扰模型的判断。而通过统计KBP2016的英文语料发现,这种不具备同指属性的触发词语料在语料中的占比达到60%,因此我们的模型仍有很大的提升空间。
图表编号 | XD0070612200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 吴瑞萦、孔芳 |
绘制单位 | 苏州大学计算机科学与技术学院、苏州大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |