论文笔记 EMNLP 2020|Reading the Manual-Event Extraction as Definition Comprehension

1 简介

论文题目：Reading the Manual-Event Extraction as Definition Comprehension
论文来源：EMNLP 2020
论文链接：https://aclanthology.org/2020.spnlp-1.9.pdf

1.1 创新

• 提出一个新的事件抽取方法，通过使用bleached statements来利用注释指南，同时使用多-span选择模型来进行事件抽取。
  

2 任务定义

一个bleached statement包含状态token $S=(s_1,s_2,...,s_n)$,占位符字典$R=\{(r_k:I_k){\}}_{k=1,...,K}$(分别表示论元角色和索引)，一个例子如下：


将触发词定义为一种特殊的论元，因此，任务定义为给定一个bleached statement S、占位符词典R和文本tokenT，返回一个字典$R$(包含触发词和论元，如下图右下角)

3 方法

给定带有多个占位符的bleached statement，增量式的填充每个占位符(从左到右逐步替换占位符，在训练中使用gold论元进行替换)，公式为$A\leftarrow GETARGS(S,I,T)$,如果返回为空，则不替换占位符，如果返回为多个论元，用and连接，算法过程如下图：

完整的事件抽取算法如下，首先进行触发词检测，然后进行论元抽取。

4 模型

首先使用BERT对bleached statement和文本编码，公式为BERT([CLS,s_1,…,s_n,SEP,t_1,…,t_m,SEP]),然后对文本进行BIO标注，公式如下：

将触发词当作特殊的论元，使用论元选择模块进行触发词识别，触发词不属于任何论元。在事件检测中，通过设置样本中未出现的事件类型，进行负采样。
同时使用SQuAD 2.0进行预训练，问题设置主要为wh-question phrases，使用AllenNLP toolkit抽取出wh-phrases。

5 实验

实验数据集为ACE 2005，实验结果如下图(使用部分数据为仅使用newswire的58个文档进行训练)：

在FrameNet的Few-shot实验结果如下图：

在FrameNet的Zero-shot实验结果如下图：