Type-aware Decoding via Explicitly Aggregating Event Information for Document-level Event Extraction

要約

ドキュメントレベルのイベント抽出 (DEE) は、引数の分散とマルチイベントという 2 つの主要な課題に直面しています。
従来の方法ではこれらの課題に対処しようとしていますが、イベント検出中のイベントに関係のない文の干渉を見落とし、引数抽出中のさまざまなイベントの役割の相互干渉を無視しています。
したがって、この論文では、これらの制限に対処するための新しいスキーマベースの明示的集約 (SEA) モデルを提案します。
SEA は、イベント情報をイベント タイプとロール表現に集約し、特定のタイプ認識表現に基づいてイベント レコードをデコードできるようにします。
SEA は、イベント タイプの表現に基づいて各イベントを検出することにより、イベントに関係のない情報によって引き起こされる干渉を軽減します。
さらに、SEA はロールを認識した表現に基づいて各ロールの引数を抽出し、異なるロール間の相互干渉を軽減します。
ChFinAnn および DuEE-fin データセットの実験結果は、SEA が SOTA メソッドよりも優れていることを示しています。

要約(オリジナル)

Document-level event extraction (DEE) faces two main challenges: arguments-scattering and multi-event. Although previous methods attempt to address these challenges, they overlook the interference of event-unrelated sentences during event detection and neglect the mutual interference of different event roles during argument extraction. Therefore, this paper proposes a novel Schema-based Explicitly Aggregating~(SEA) model to address these limitations. SEA aggregates event information into event type and role representations, enabling the decoding of event records based on specific type-aware representations. By detecting each event based on its event type representation, SEA mitigates the interference caused by event-unrelated information. Furthermore, SEA extracts arguments for each role based on its role-aware representations, reducing mutual interference between different roles. Experimental results on the ChFinAnn and DuEE-fin datasets show that SEA outperforms the SOTA methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google