OneEE: A One-Stage Framework for Fast Overlapping and Nested Event Extraction 讲解地址 提出一种新的标注策略,映射事件抽取为word-word关系识别任务。提出一个one-stage模型,可以有效地并行提取重叠和嵌套事件抽取的word-word关系。
CLIO: Role-interactive Multi-event Head Attention Network for Document-level Event Extraction 讲解地址 提出role-interactive multi-event head attention network解决嵌套论元和多个事件问题。
Event Detection
Knowledge-injected Prompt Tuning for Event Detection 事件检测旨在通过识别和分类事件触发器(最具代表性的词)来从文本中检测事件。大多数现有工作严重依赖复杂的下游网络,需要足够的训练数据。因此这些模型可能在结构上是冗余的,并且在数据稀缺时表现不佳。基于prompt的模型易于构建,并且有望用于小样本任务。然而当前的基于prompt的方法可能存在精度低的问题,因为它们没有引入与事件相关的语义知识(例如,词性、语义相关性等)。为了解决这些问题,本篇论文提出了一种知识注入提示调整(KiPT)模型。具体来说,事件检测任务被制定为条件生成任务。然后使用外部知识库构建知识注入提示,并利用prompt tuning策略来优化提示。大量实验表明KiPT优于baseline,尤其是在小样本场景中。
DESED: Dialogue-based Explanation for Sentence-level Event Detection 许多最近的句子级事件检测工作都集中在丰富句子语义上,例如,通过多任务或基于prompt的学习。 尽管性能有提升