-
题名基于深度学习的篇章级事件抽取综述
- 1
-
-
作者
胡蓉
万常选
万齐智
刘德喜
刘喜平
-
机构
江西财经大学计算机与人工智能学院
江西财经大学数据与知识工程江西省高校重点实验室
-
出处
《计算机学报》
北大核心
2025年第2期381-406,共26页
-
基金
国家自然科学基金项目(62272205,62272206,62076112,62462034)
江西省教育厅科学技术研究项目(GJJ210531,GJJ2400411)
+2 种基金
江西省研究生创新专项资金项目(YC2023-B188)
江西省自然科学基金(20242BAB25119,20212ACB202002,20232ACB202008)
江西省主要学科学术和技术带头人培养计划领军人才项目(20213BCJL22041)资助。
-
文摘
篇章级事件抽取是自然语言处理的重要任务且富有挑战,当前涌现了很多优秀的研究成果。尽管国内外存在少量篇章级事件抽取综述,但存在一些局限:(1)按文献采用的具体技术或任务实现步骤对现有研究成果进行分类,未深入分析现有研究成果间的关联与区别,未深刻理解现有研究成果分别致力于解决哪些问题;(2)简单介绍现有数据集,未能正确认识每个数据集的特点及带来的任务挑战。由于每个数据集侧重点不同,研究者们致力于解决不同的问题,因此现有梳理方式未能清晰地展示不同数据集下不同研究问题的研究进展。为此,本文重新梳理篇章级事件抽取的2个(子)任务的研究成果。首先,针对2个任务,分别明确任务目标,分析解决任务的基本思路,总结现有研究进展(基于哪些数据集解决了哪些问题)。然后,总结对应数据集的特点,归纳任务面临的挑战,再深入分析具体研究方法,并图示化展示推进情况。最后,结合有待继续攻破的问题,讨论篇章级事件抽取未来发展趋势。
-
关键词
篇章级事件抽取
信息抽取
事件抽取数据集
事件论元抽取
深度学习
-
Keywords
document-level event extraction
information extraction
event extraction datasets
event argument extraction
deep learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
