Nested Event Extraction upon Pivot Element Recogniton

要約

ネストされたイベント抽出 (NEE) は、イベントが引数として他のイベントを再帰的に含む複雑なイベント構造を抽出することを目的としています。
ネストされたイベントには、外部イベントの引数として、また内部イベントのトリガーとして同時に機能する一種のピボット要素 (PE) が含まれ、イベントをネスト構造に接続します。
PE のこの特殊な特性は、既存の NEE 手法に課題をもたらします。なぜなら、既存の NEE 手法は PE の二重アイデンティティにうまく対処できないからです。
そこで本論文では、主にPEの認識に基づいて入れ子になったイベントを抽出するPerNeeと呼ばれる新しいモデルを提案する。
具体的には、PerNee はまず内部イベントと外部イベントの両方のトリガーを認識し、さらにトリガー ペア間の関係タイプを分類することで PE を認識します。
トリガーと引数をより適切に表現して NEE のパフォーマンスをさらに向上させるために、プロンプト学習を通じてイベント タイプと引数の役割の両方の情報を PerNee に組み込みます。
既存の NEE データセット (Genia11 など) は特定のドメインに限定されており、入れ子構造を持つ狭い範囲のイベント タイプが含まれているため、入れ子になったイベントを汎用ドメインに体系的に分類し、新しい NEE データセット、つまり ACE2005-Nest を構築します。
実験結果は、PerNee が ACE2005-Nest、Genia11、および Genia13 で常に最先端のパフォーマンスを達成していることを示しています。

要約(オリジナル)

Nested Event Extraction (NEE) aims to extract complex event structures where an event contains other events as its arguments recursively. Nested events involve a kind of Pivot Elements (PEs) that simultaneously act as arguments of outer events and as triggers of inner events, and thus connect them into nested structures. This special characteristic of PEs brings challenges to existing NEE methods, as they cannot well cope with the dual identities of PEs. Therefore, this paper proposes a new model, called PerNee, which extracts nested events mainly based on recognizing PEs. Specifically, PerNee first recognizes the triggers of both inner and outer events and further recognizes the PEs via classifying the relation type between trigger pairs. In order to obtain better representations of triggers and arguments to further improve NEE performance, it incorporates the information of both event types and argument roles into PerNee through prompt learning. Since existing NEE datasets (e.g., Genia11) are limited to specific domains and contain a narrow range of event types with nested structures, we systematically categorize nested events in generic domain and construct a new NEE dataset, namely ACE2005-Nest. Experimental results demonstrate that PerNee consistently achieves state-of-the-art performance on ACE2005-Nest, Genia11 and Genia13.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google