检索结果-维普期刊中文期刊服务平台

结合二维增强融合机制的事件论元抽取方法: 1; 作者王潞翔陈艳平 +2 位作者黄辉黄瑞章秦永彬《计算机工程与应用》北大核心 2025年第10期111-119,共9页; 针对现有的事件论元抽取研究中触发词和论元间缺少交互以及通道内部缺少交互的问题,提出结合二维增强融合机制的事件论元抽取模型(two-dimensional enhanced fusion mechanism for event argument extraction,W2-ARG)。在句子中的触发... 展开更多; 关键词事件论元抽取句子平面化表示通道注意力拉普拉斯算子 BERT; 在线阅读下载PDF 职称材料

基于机器阅读理解的中文事件论元抽取方法: 2; 作者马文杰吴家帆 +2 位作者陶建华杨国花张大伟《中文信息学报》北大核心 2025年第5期102-109,共8页; 事件抽取任务旨在从文本中抽取出事件信息,包含事件类型检测和事件论元抽取两个子任务。目前的中文事件论元抽取方法存在着如下问题:(1)两段式论元抽取方法中存在误差累积;(2)现有模型在嵌套实体以及多实体抽取场景上表现较差;(3)现有... 展开更多; 关键词事件论元抽取机器阅读理解预训练语言模型; 在线阅读下载PDF 职称材料

基于门控图卷积与动态依存池化的事件论元抽取被引量：5: 3; 作者王士浩王中卿 +1 位作者李寿山周国栋《计算机科学》 CSCD 北大核心 2021年第S02期52-56,共5页; 事件论元抽取是事件抽取任务中一个极具挑战性的子任务。该任务旨在抽取事件中的论元及论元扮演的角色。研究发现,句子的语义特征和依存句法特征对事件论元抽取都有着非常重要的作用,现有的方法往往未考虑如何将两种特征有效地融合起来... 展开更多; 关键词事件论元抽取图卷积依存句法特征语义特征门控机制; 在线阅读下载PDF 职称材料

基于知识蒸馏与模型集成的事件论元抽取方法被引量：2: 4; 作者王士浩王中卿 +1 位作者李寿山周国栋《计算机工程》 CAS CSCD 北大核心 2022年第7期97-103,共7页; 目前先进的事件论元抽取方法通常使用BERT模型作为编码器,但BERT巨大的参数量会降低效率,使模型无法在计算资源有限的设备中运行。提出一种新的事件论元抽取方法,将事件论元抽取教师模型蒸馏到2个不同的学生模型中,再对2个学生模型进行... 展开更多; 关键词事件论元抽取知识蒸馏模型集成预训练语言模型模型压缩; 在线阅读下载PDF 职称材料

基于阅读理解框架的中文事件论元抽取被引量：2: 5; 作者陈敏吴凡 +2 位作者李培峰王中卿朱巧明《中文信息学报》 CSCD 北大核心 2022年第10期107-115,共9页; 传统的事件论元抽取方法把任务当作句子中实体提及的多分类或序列标注任务,论元角色的类别在这些方法中只能作为向量表示,而忽略了论元角色的先验信息。实际上,论元角色的语义和论元本身有很大关系。对此,该文提议将其当作机器阅读理解... 展开更多; 关键词事件论元抽取阅读理解先验信息 BERT; 在线阅读下载PDF 职称材料

基于角色信息引导的多轮事件论元抽取被引量：2: 6; 作者于媛芳张勇 +2 位作者左皓阳张连发王婷婷《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第1期83-91,共9页; 针对通用领域的事件论元抽取研究中角色信息利用不足和论元间缺少交互两个问题,提出角色信息引导的多轮事件论元抽取模型,用于增强文本的语义信息和论元之间的交互能力,提升事件论元抽取的性能。首先,为了更好地利用角色知识来引导论元... 展开更多; 关键词事件论元抽取角色知识 BERT 信息融合多轮抽取; 在线阅读下载PDF 职称材料

基于深度学习的篇章级事件抽取综述: 7; 作者胡蓉万常选 +2 位作者万齐智刘德喜刘喜平《计算机学报》北大核心 2025年第2期381-406,共26页; 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... 展开更多; 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; 在线阅读下载PDF 职称材料

篇章级文本的事件图谱构建与事件抽取方法被引量：1: 8; 作者张源奔赵一斐 +3 位作者赵志浩韩众和张利利谢辉平《计算机工程与设计》北大核心 2024年第1期146-152,共7页; 针对篇章级事件抽取任务主要存在的以下3个挑战:模型复杂、事件论元分散以及多事件抽取,提出一种基于异质交互图和有序树的篇章级事件抽取方法DTHIGN。支持以解耦实体抽取部分的方式精简模型的参数;构建面向触发词的篇章级异质交互图,... 展开更多; 关键词深度学习自然语言处理事件图谱事件抽取事件论元抽取异质图图卷积网络; 在线阅读下载PDF 职称材料

题名结合二维增强融合机制的事件论元抽取方法: 1; 作者王潞翔陈艳平黄辉黄瑞章秦永彬; 机构贵州大学计算机科学与技术学院文本计算与认知智能教育部工程研究中心贵州大学公共大数据国家重点实验室; 出处《计算机工程与应用》北大核心 2025年第10期111-119,共9页; 基金国家重点研发计划(2023YFC3304500) 国家自然科学基金(62166007)。; 文摘针对现有的事件论元抽取研究中触发词和论元间缺少交互以及通道内部缺少交互的问题,提出结合二维增强融合机制的事件论元抽取模型(two-dimensional enhanced fusion mechanism for event argument extraction,W2-ARG)。在句子中的触发词两边插入标识符,引入事件类型信息的同时增强触发词和论元的交互,并单独编码触发词以突出其在句子中的语义信息。将论元抽取建模为二维化表示的标签预测,通过膨胀卷积捕获不同距离的单词的语义交互。使用通道注意力模块增强通道内部的交互,以强化通道内的信息传递。最后利用拉普拉斯算子来突出事件论元在语义空间中的位置特征,提升模型对事件论元的识别精度。模型在ACE05-EN、ERE-EN数据集上进行了实验,实验结果表明该方法的性能相较其他基于分类的事件论元抽取方法提升明显。; 关键词事件论元抽取句子平面化表示通道注意力拉普拉斯算子 BERT; Keywords event argument extraction sentence planarization representation channel attention Laplace operator BERT; 分类号 TP391.1 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于机器阅读理解的中文事件论元抽取方法: 2; 作者马文杰吴家帆陶建华杨国花张大伟; 机构中国科学院自动化研究所模式识别国家重点实验室中国科学院大学人工智能学院; 出处《中文信息学报》北大核心 2025年第5期102-109,共8页; 基金国家自然科学基金(61831022,U21B2010,61901473,62101553)。; 文摘事件抽取任务旨在从文本中抽取出事件信息,包含事件类型检测和事件论元抽取两个子任务。目前的中文事件论元抽取方法存在着如下问题:(1)两段式论元抽取方法中存在误差累积;(2)现有模型在嵌套实体以及多实体抽取场景上表现较差;(3)现有方法主要聚焦于抽取预先定义的样本类型事件,且比较依赖训练数据,因此对于新的以及样本极少的事件类型抽取效果较差。针对上述问题,该文将中文事件论元抽取任务重构为机器阅读理解任务,有效地缓解了上述误差累积、嵌套实体、多论元实体抽取效率低的问题。实验证明,该种建模方式能够有效地利用预训练语言模型的优势及事件类型等先验信息,具有很好的泛化性能,并且能很好地推广到新事件类型的论元角色的识别中。; 关键词事件论元抽取机器阅读理解预训练语言模型; Keywords event argument extraction machine reading comprehension pre-trained language model; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于门控图卷积与动态依存池化的事件论元抽取被引量：5: 3; 作者王士浩王中卿李寿山周国栋; 机构苏州大学计算机科学与技术学院; 出处《计算机科学》 CSCD 北大核心 2021年第S02期52-56,共5页; 基金国家自然科学基金青年科学基金项目(61806137)。; 文摘事件论元抽取是事件抽取任务中一个极具挑战性的子任务。该任务旨在抽取事件中的论元及论元扮演的角色。研究发现,句子的语义特征和依存句法特征对事件论元抽取都有着非常重要的作用,现有的方法往往未考虑如何将两种特征有效地融合起来。因此,提出一种基于门控图卷积与动态依存池化的事件论元抽取模型。该方法使用BERT抽取出句子的语义特征;然后通过依存句法树设计两个相同的图卷积网络,抽取句子的依存句法特征,其中一个图卷积的输出会通过激活函数作为门控单元;接着,语义特征和依存句法特征通过门控单元后相加融合。此外,还设计了一个动态依存池化层对融合后的特征进行池化。在ACE2005数据集上的实验结果表明,该模型可以有效地提升事件论元抽取效果。; 关键词事件论元抽取图卷积依存句法特征语义特征门控机制; Keywords Event argument extraction Graph convolution Dependency features Sema ntic features Gate mechanism; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于知识蒸馏与模型集成的事件论元抽取方法被引量：2: 4; 作者王士浩王中卿李寿山周国栋; 机构苏州大学计算机科学与技术学院; 出处《计算机工程》 CAS CSCD 北大核心 2022年第7期97-103,共7页; 基金国家自然科学基金(61806137,61702518) 江苏省高等学校自然科学研究面上项目(18KJB520043)。; 文摘目前先进的事件论元抽取方法通常使用BERT模型作为编码器,但BERT巨大的参数量会降低效率,使模型无法在计算资源有限的设备中运行。提出一种新的事件论元抽取方法,将事件论元抽取教师模型蒸馏到2个不同的学生模型中,再对2个学生模型进行集成。构造使用BERT模型和图卷积神经网络的事件论元抽取教师模型,以及2个分别使用单层卷积神经网络和单层长短期记忆网络的学生模型。先通过均方误差损失函数对学生模型和教师模型的中间层向量进行知识蒸馏,再对分类层进行知识蒸馏,使用均方误差损失函数和交叉熵损失函数让学生模型学习教师模型分类层的知识和真实标签的知识。在此基础上,利用加权平均的方法对2个学生模型进行集成,从而提升事件论元抽取性能。使用ACE2005英文数据集进行实验,结果表明,与学生模型相比,该方法可使事件论元抽取F1值平均提升5.05个百分点,推理时间和参数量较教师模型减少90.85%和99.25%。; 关键词事件论元抽取知识蒸馏模型集成预训练语言模型模型压缩; Keywords event argument extraction knowledge distillation model ensemble pre-trained language model model compression; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于阅读理解框架的中文事件论元抽取被引量：2: 5; 作者陈敏吴凡李培峰王中卿朱巧明; 机构苏州大学计算机科学与技术学院; 出处《中文信息学报》 CSCD 北大核心 2022年第10期107-115,共9页; 基金国家自然科学基金(61836007,61772354,61806137) 江苏高校优势学科建设工程资助项目。; 文摘传统的事件论元抽取方法把任务当作句子中实体提及的多分类或序列标注任务,论元角色的类别在这些方法中只能作为向量表示,而忽略了论元角色的先验信息。实际上,论元角色的语义和论元本身有很大关系。对此,该文提议将其当作机器阅读理解任务,把论元角色转换为自然语言描述的问题,通过在上下文中回答这些问题来抽取论元。该方法更好地利用了论元角色类别的先验信息,在ACE2005中文语料上的实验证明了该方法的有效性。; 关键词事件论元抽取阅读理解先验信息 BERT; Keywords event argument extraction reading comprehension prior information BERT; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于角色信息引导的多轮事件论元抽取被引量：2: 6; 作者于媛芳张勇左皓阳张连发王婷婷; 机构华中师范大学计算机学院; 出处《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第1期83-91,共9页; 基金国家自然科学基金(61977032) 中央高校基本科研业务费(CCNU22QN014,CCNU22QN015,CCNU20TD006) 国家语言文字工作委员会“十四五”科研规划项目(YB145-2)资助。; 文摘针对通用领域的事件论元抽取研究中角色信息利用不足和论元间缺少交互两个问题,提出角色信息引导的多轮事件论元抽取模型,用于增强文本的语义信息和论元之间的交互能力,提升事件论元抽取的性能。首先,为了更好地利用角色知识来引导论元的抽取,该模型根据角色定义构造角色知识,对角色信息和文本独立编码,并采用基于注意力机制的方法获取标签知识增强的文本表示,进而采用增强嵌入来预测各角色论元的起始和结束位置。同时,为了在抽取过程中充分利用事件论元之间的交互,受多轮对话模型的启发,设计一种多轮事件论元抽取算法。该算法参照“先易后难”的自然逻辑,每次选择预测概率最大,也是最容易确定的角色进行抽取。在论元抽取过程中,为了对论元之间的交互进行建模,模型引入历史嵌入,并在每一次预测结束后更新历史嵌入,帮助下一轮事件论元的抽取。实验结果表明,角色信息的引导和多轮抽取算法均有效地提升了论元抽取的性能,使得该模型的表现优于其他基线模型。; 关键词事件论元抽取角色知识 BERT 信息融合多轮抽取; Keywords event argument extraction role knowledge BERT information fusion multi-turn extraction; 分类号 TP391.1 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于深度学习的篇章级事件抽取综述: 7; 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]; 在线阅读下载PDF 职称材料

题名篇章级文本的事件图谱构建与事件抽取方法被引量：1: 8; 作者张源奔赵一斐赵志浩韩众和张利利谢辉平; 机构中国科学院空天信息创新研究院中国科学院网络信息体系技术重点实验室中国科学院齐鲁空天信息研究院北京化工大学信息科学与技术学院; 出处《计算机工程与设计》北大核心 2024年第1期146-152,共7页; 文摘针对篇章级事件抽取任务主要存在的以下3个挑战:模型复杂、事件论元分散以及多事件抽取,提出一种基于异质交互图和有序树的篇章级事件抽取方法DTHIGN。支持以解耦实体抽取部分的方式精简模型的参数;构建面向触发词的篇章级异质交互图,更全面地对语义进行建模;支持使用基于统一事件模板的树形事件论元抽取方式获得事件论元结果。实验结果表明,该方法能够获得较好的效果并显著降低模型的训练难度。; 关键词深度学习自然语言处理事件图谱事件抽取事件论元抽取异质图图卷积网络; Keywords deep learning natural language processing event graph event extraction event argument extraction heteroge-neous graph graph convolution network; 分类号 TP391.1 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	结合二维增强融合机制的事件论元抽取方法	王潞翔陈艳平黄辉黄瑞章秦永彬	《计算机工程与应用》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于机器阅读理解的中文事件论元抽取方法	马文杰吴家帆陶建华杨国花张大伟	《中文信息学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于门控图卷积与动态依存池化的事件论元抽取	王士浩王中卿李寿山周国栋	《计算机科学》 CSCD 北大核心	2021	5	在线阅读下载PDF 职称材料
4	基于知识蒸馏与模型集成的事件论元抽取方法	王士浩王中卿李寿山周国栋	《计算机工程》 CAS CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料
5	基于阅读理解框架的中文事件论元抽取	陈敏吴凡李培峰王中卿朱巧明	《中文信息学报》 CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料
6	基于角色信息引导的多轮事件论元抽取	于媛芳张勇左皓阳张连发王婷婷	《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
7	基于深度学习的篇章级事件抽取综述	胡蓉万常选万齐智刘德喜刘喜平	《计算机学报》北大核心	2025	0	在线阅读下载PDF 职称材料
8	篇章级文本的事件图谱构建与事件抽取方法	张源奔赵一斐赵志浩韩众和张利利谢辉平	《计算机工程与设计》北大核心	2024	1	在线阅读下载PDF 职称材料