基于结构感知的中文篇章级事件论元表示OA
近年来随着大语言模型的迅猛发展,事件的表征粒度逐渐从传统的句子级扩展至篇章级,事件不再局限于单句表达,而是更加经常嵌入多句甚至整个篇章,这一变化在提升语义建模能力的同时也带来了新的挑战.由于汉语表达具有高度的灵活性且词义歧义现象普遍,在缺乏明确句法结构作为支撑的篇章级场景中,模型在识别词语在上下文中的论元角色时面临更大的困难.针对这一问题,提出一种融合语义特征和结构特征的篇章级事件论元表示方法(Semantic⁃Syntactic Feature Fusion for Document⁃Level Event Argument Representation,SS⁃EAR).该方法首先对文档中的句法结构进行分析并构建依存句法图,然后将实体的多层次表征作为图中的节点特征构成结构感知网络,最后利用图神经网络的信息传播机制将句法结构信息和语义特征进行融合,以增强模型对复杂句式和多义现象的处理能力,进而提高篇章级事件论元抽取的性能.和六个领域方法进行比较,在两个权威中文篇章级事件论元抽取数据集上的实验结果表明,在所提方法的辅助下,事件论元抽取的F1最优,证明了所提方法的有效性.
陶涛;施卫峰;应励志;郭浪;朱光辉;袁春风;黄宜华
计算机软件新技术全国重点实验室,南京大学,南京210023 南京大学计算机学院,南京210023中国电子科技集团公司第二十八研究所,南京210O07 东南大学网络空间安全学院,南京211189中国电子科技集团公司第二十八研究所,南京210O07 清华大学电子工程系,北京100084计算机软件新技术全国重点实验室,南京大学,南京210023 南京大学计算机学院,南京210023计算机软件新技术全国重点实验室,南京大学,南京210023 南京大学计算机学院,南京210023计算机软件新技术全国重点实验室,南京大学,南京210023 南京大学计算机学院,南京210023计算机软件新技术全国重点实验室,南京大学,南京210023 南京大学计算机学院,南京210023
信息技术与安全科学
事件检测论元表示论元抽取结构感知网络
《南京大学学报(自然科学版)》 2026 (1)
P.138-150,13
江苏省前沿技术研发计划(BF2024005)。
评论