Nested Event Extraction upon Pivot Element Recogniton

要約

入れ子イベント抽出（Nested Event Extraction: NEE）は、イベントが他のイベントを引数として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する。入れ子イベントには、一種のピボット・エレメント（PE）が関与しており、それらは同時にアウターネスト・イベントの引数として、またインナーネスト・イベントのトリガーとして機能する。PEのこの特別な特性は、既存のNEE手法にPEが持つ二重人格にうまく対処できないという課題をもたらす。そこで本論文では、主にPEを認識することに基づいてネストし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はまずインナーネストイベントとアウターネストイベント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を認識する。このモデルは、NEEのパフォーマンスを向上させるために、より良いトリガーと引数の表現のために、イベントタイプと引数の役割の両方からの情報を取り入れるために、即座に学習を使用します。既存のNEEデータセット（例えばGenia11）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を含んでいるため、我々は一般的なドメインで入れ子イベントを体系的に分類し、ACE2005-Nestと呼ばれる新しいNEEデータセットを構築した。実験の結果、ACE2005-Nest、Genia11、Genia13において、PerNeeは常に最先端の性能を達成していることが実証された。ACE2005-NestデータセットとPerNeeモデルのコードはhttps://github.com/waysonren/PerNee。

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-nest events and as triggers of inner-nest 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-nest and outer-nest events and further recognizes the PEs via classifying the relation type between trigger pairs. The model uses prompt learning to incorporate information from both event types and argument roles for better trigger and argument representations to improve NEE performance. 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 the generic domain and construct a new NEE dataset, called ACE2005-Nest. Experimental results demonstrate that PerNee consistently achieves state-of-the-art performance on ACE2005-Nest, Genia11, and Genia13. The ACE2005-Nest dataset and the code of the PerNee model are available at https://github.com/waysonren/PerNee.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL