目录

第1章绪论1

1.1事件识别及其要素抽取1

1.1.1事件本体归纳2

1.1.2事件抽取2

1.1.3话题检测和跟踪3

1.2事件表示学习6

1.2.1离散的事件表示6

1.2.2稠密的事件表示7

1.2.3事件表示的学习方法8

1.3事件主题与主题事件抽取9

1.4事件关系抽取12

1.4.1事件时序关系12

1.4.2事件因果关系13

1.5本章小结15

参考文献16第2章事件及其关系抽取语料库20

2.1事件抽取语料库概述20

2.2语句级事件抽取语料库23

2.2.1封闭域语料库23

2.2.2开放域语料库25

2.2.3OEECFC语料库26

2.3篇章级事件抽取语料库33

2.3.1DocEI&AE任务语料库34

2.3.2DocEAE任务语料库35

2.4事件关系抽取语料库36

2.5本章小结39

参考文献39第3章语句级事件抽取技术44

3.1语句级事件抽取概述44

3.2现有语句级事件抽取技术44

3.2.1事件检测技术44

3.2.2事件论元抽取技术47

3.2.3事件识别及其论元抽取技术50

3.2.4小结53

目录3.3依存关系增强的事件检测技术54

3.3.1研究动机54

3.3.2DSEED模型56

3.3.3实验58

3.3.4分析61

3.3.5小结63

3.4基于句法语义依存的中文金融事件抽取技术64

3.4.1研究动机 64

3.4.2核心动词链64

3.4.3SSDP图67

3.4.4缺失结构及成分补全71

3.4.5实验数据集78

3.4.6评测指标80

3.4.7实验对比87

3.4.8小结90

3.5基于双向多通道层次图注意力网络的开放事件抽取技术91

3.5.1研究动机91

3.5.2双向依存图的构建91

3.5.3DLOEE模型93

3.5.4实验98

3.5.5分析104

3.5.6小结108

3.6本章小结109

参考文献109第4章面向无触发词的篇章级事件抽取技术114

4.1无触发词篇章级事件抽取概述114

4.2基于流水线模式的路径扩展事件抽取技术115

4.2.1Doc2EDAG模型115

4.2.2GIT模型116

4.2.3ReDEE模型117

4.2.4小结118

4.3基于流水线模式的其他事件抽取技术119

4.3.1二分匹配策略120

4.3.2语句社区策略122

4.3.3极大团策略123

4.3.4小结124

4.4边增强的篇章级事件联合抽取技术124

4.4.1研究动机124

4.4.2词语词语双向事件完全图及其邻接矩阵125

4.4.3EDEE模型126

4.4.4实验128

4.4.5分析130

4.4.6小结132

4.5基于<词语事件>论元角色结构的篇章级事件联合抽取技术132

4.5.1研究动机132

4.5.2<词语事件>论元角色132

4.5.3TERMCEE模型135

4.5.4实验138

4.5.5分析145

4.5.6小结148

4.6基于词语词语矩阵生成的篇章级事件联合抽取技术148

4.6.1研究动机148

4.6.2TTMG模型149

4.6.3实验151

4.6.4分析154

4.6.5小结157

4.7本章小结157

参考文献159第5章面向复杂论元的篇章级事件论元抽取技术161

5.1复杂论元篇章级事件论元抽取概述161

5.2基于跨度的角色分类的事件论元抽取技术161

5.2.1穷举文本片段162

5.2.2基于论元中心词扩展163

5.2.3小结163

5.3基于角色的跨度预测的事件论元抽取技术164

5.3.1PAIE模型164

5.3.2TabEAE模型165

5.3.3其他模型166

5.3.4小结167

5.4基于文本生成和机器阅读理解的事件论元抽取技术167

5.4.1基于文本生成的事件论元抽取技术167

5.4.2基于机器阅读理解的事件论元抽取技术169

5.4.3小结170

5.5基于预测迭代双向跨度预测的事件论元抽取技术170

5.5.1研究动机170

5.5.2PIBSP模型172

5.5.3实验175

5.5.4分析176

5.5.5小结178

5.6基于事件模式实例图的事件论元抽取技术179

5.6.1研究动机179

5.6.2事件模式实例图180

5.6.3EPIGEAE模型181

5.6.4实验184

5.6.5分析187

5.6.6小结191

5.7基于双元自注意力驱动的事件论元抽取技术191

5.7.1研究动机191

5.7.2DAELEAE模型193

5.7.3实验197

5.7.4分析198

5.7.5小结202

5.8本章小结202

参考文献203第6章事件表示学习与主题事件抽取技术206

6.1事件表示学习与主题事件抽取概述206

6.1.1事件表示学习206

6.1.2主题事件抽取207

6.2面向事件元组语义区分的事件表示学习技术207

6.3面向事件及其上下文的事件表示学习技术208

6.3.1研究动机208

6.3.2词语短语结构对象转化策略209

6.3.3GAMA模型213

6.3.4实验217

6.3.5分析224

6.3.6小结227

6.4基于多焦点图神经网络的主题事件抽取技术227

6.4.1研究动机227

6.4.2事件图228

6.4.3MGTEE框架233

6.4.4实验239

6.4.5分析243

6.4.6小结250

6.5本章小结250

参考文献250第7章事件关系抽取技术256

7.1事件关系抽取概述256

7.2事件时序关系抽取技术257

7.2.1基于堆栈传播框架的事件时序关系抽取技术258

7.2.2基于语法引导图转换器的事件时序关系抽取技术258

7.2.3一种统一的事件时序关系抽取技术259

7.2.4基于时序认知树的事件时序关系抽取技术260

7.3事件因果关系抽取技术261

7.3.1语句级事件因果关系识别技术261

7.3.2篇章级事件因果关系识别技术263

7.3.3事件因果关系抽取技术265

7.3.4小结267

7.4多类型的中文金融事件关系抽取技术267

7.4.1研究问题267

7.4.2中文金融事件关系269

7.4.3CFERE模型271

7.4.4实验277

7.4.5分析280

7.4.6实验扩展281

7.4.7小结282

7.5本章小结283

参考文献283