返回
Context-Aware Heterogeneous Graph Interactive Learning for Document-Level Event Extraction
DOI:10.1007/978-981-95-3456-2_6.png)
摘要
En 中文
文档级事件抽取专注于从非结构化文档中提取结构化的事件记录。由于文档中复杂的语义关系,现有方法在表示或利用上下文及实体信息方面存在局限性,导致事件抽取准确率下降。本文提出一种轻量级的端到端框架,通过异构图交互和通用上下文感知融合来弥补这一缺陷。首先,为捕捉文档内的复杂语义关系,我们采用异构图卷积网络模拟不同粒度间的信息交互。其次,在论元组合抽取阶段,我们设计了一种融合实体信息和通用上下文的策略,以提高实体关联预测的准确率并减少误差传播。在公开数据集上的实验表明,我们的轻量级模型在单事件和整体评估中均优于其他方法。
Keyword:
event extraction
heterogeneous graph interaction
common context-aware information
entity relevance
期刊
A
IF:
0
论文数:
22
被引数:
0
机构
引用论文
Multi-Information Preprocessing Event Extraction With BiLSTM-CRF Attention for Academic Knowledge Graph Construction基于BiLSTM-CRF注意力机制的多信息预处理事件抽取学术知识图谱构建
EventSKG: a Framework for Public Safety Event Knowledge Graph Construction using Social Network Data

