NAACL 2022事件相关(事件抽取、事件关系抽取、事件预测等)论文汇总

置顶

hlee-top

已于 2023-07-11 16:27:07 修改

阅读量2.9k

点赞数 3

CC 4.0 BY-SA版权

分类专栏：论文汇总论文 NLP 文章标签：自然语言处理事件抽取

于 2022-05-07 19:35:10 首次发布

本文链接：https://blog.csdn.net/o11oo11o/article/details/124630209

这篇博客汇总了NAACL 2022关于事件抽取的最新研究，包括事件检测、事件论元抽取、事件共指消解、事件模式归纳和事件时间关系提取等。介绍的模型和方法涉及文档级事件抽取、数据效率提升、跨语言事件检测、对抗训练优化、零样本学习等。同时，提到了新发布的数据集，如SuicideED、MINION和DocEE，以推动文档级事件抽取的发展。此外，还探讨了信息提取、错误信息检测等领域的进展。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

NAACL 2022事件抽取相关(事件抽取、事件关系抽取、事件预测等)论文汇总，已更新全部的论文讲解。

Event Extraction

RAAT: Relation-Augmented Attention Transformer for Relation Modeling in Document-Level Event Extraction
提出一个文档级事件抽取模型，第一次在文档级事件抽取中使用关系信息。提出Relation-augmented Attention Transformer (RAAT)，该网络可以覆盖文档级事件抽取中不同尺度和数量的关系。
DEGREE: A Data-Efficient Generation-Based Event Extraction Model
提出一种基于生成的事件提取模型，通过更好地结合标签语义和子任务之间的共享知识，可以用更少的数据学习。

Event Detection

Cross-Lingual Event Detection via Optimized Adversarial Training
本篇论文专注于跨语言事件检测，目前最新的研究利用了预训练多语言模型的语言不变特性。然而还有改进的余地，本篇论文采用对抗语言适应来训练语言鉴别器，以使用未标记的数据来辨别源语言和目标语言。鉴别器以对抗方式进行训练，以便编码器学习生成精炼的、语言不变的表示，从而提高性能。通过只向鉴别器提供信息量最大的样本来优化对抗训练过程。基于两个不同的指标：样本相似性和事件存在。利用最优传输(Optimal Transport)作为一种解决方案，将这两个不同的信息源自然地结合到选择过程中。
Zero-Shot Event Detection Based on Ordered Contrastive Learning and Prompt-Based Prediction
基于有序的对比学习提出一个zero-shot事件检测模型。将基于prompt的预测引入到zero-shot事件检测问题中，消除了对预定义事件结构和启发式规则的依赖。
Event Detection for Suicide Understanding
介绍了 SuicideED：一个用于事件检测任务的新数据集，具有七种自杀事件类型，可全面捕获自杀行为和想法，以及一般风险和保护因素。

Event Argument Extraction

A Two-Stream AMR-enhanced Model for Document-level Event Argument Extraction
提出一个双流编码模块，从局部和全局两方面编码上下文。提出一个AMR (Abstract meaning Representation)引导的交互模块，方便文档内的语义交互，从而更好地捕捉远距离依赖。在RAMS和WikiEvents数据集上达到SOTA。