面向政治领域的事理图谱构建

被引：13

作者：

白璐 ^{[1
]}

周子雅 ^{[1
]}

李斌阳 ^{[1
]}

刘宇涵 ^{[1
,2
]}

邵之宣 ^{[1
]}

吴华瑞 ^{[3
]}

机构：

[1] 国际关系学院网络空间安全学院

[2] 中国科学院大学网络空间安全学院

[3] 北京市农业信息技术研究中心

来源：

中文信息学报 | 2021年 / 04期

基金：

北京市自然科学基金;

关键词：

事理图谱; 字嵌入修正神经网络; 事件抽取;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

事理图谱是一种描述事件之间顺承、因果等关系的事理演化逻辑有向图,它蕴含了丰富的事件间关系,在各领域都具有重要的研究意义和应用价值。当前研究主要集中于公开域的事件抽取上,而在特定领域,如政治领域,因其事件类型和事件内容较为复杂,相关研究十分有限。该文旨在构建面向政治领域的事理图谱,针对政治事件抽取中存在的语料匮乏、标准缺失等问题,制定了一套面向政治领域的事件分类标准,构建了一套政治领域的事件语料库。同时,该文分别提出了一种融合注意力机制的字嵌入修正神经网络的Pipeline模型和一种基于BERT+BiLSTM的Joint模型进行事件触发词和论元抽取,并在该语料库上进行实验。实验结果表明,两种模型在事件触发词与论元抽取任务中,F1指标较基线模型均有较大提升。

引用

页码：66 / 74+82 +82

页数：10

共 21 条

[1]

Event extraction from biomedical papers using a full parser[J] . Yakushiji A,Tateisi Y,Miyao Y,Tsujii J. acific Symposium on Biocomputing. Pacific Symposium on Biocomputing . 2001

[2]

基于CNN和双向LSTM融合的实体关系抽取 . 张晓斌,陈福才,黄瑞阳. 网络与信息安全学报 . 2018

[3]

基于语义事件因果关系识别 . 杨竣辉,刘宗田,刘炜,苏小英. 小型微型计算机系统 . 2016

[4]

Event detection and domain adaptation with convolutional neural networks . Nguyen T H,Grishman R. Proceedings of the 53rd ACL . 2015

[5]

Automatic extraction of cause-effect relations in natural language text . Sorgente A,Vettigli G,Mele F. CEUR-WS . 2013

[6]

Using sentence-level LSTM language models for script inference . Pichotta K,Mooney R J. Proceedings of the ACL . 2016

[7]

Jointly multiple events extraction via attention-based Graph Information Aggregation . Liu X. Proceedings of the EMNLP . 2018

[8]

ACE (Automatic Content Extraction) Chinese Annotation Guideline for Event . Linguistic Data Consortium. https://www.doc88.com/p-180734447445.html . 2005

[9]

Jointly extracting event triggers and arguments by dependency-bridge RNN and tensor-based argument interaction . Sha L,Qian F,Chang B. Proceedings of the 32nd AAAI Conference on Artificial Intelligence . 2018

[10]

http://www.huaxia.com/lasd/twdsj/index.html .

← 1 2 3 →