计算机工程

作者：郭新宇, 马博, 艾比布拉·阿塔伍拉, 杨奉毅, 周喜

单位：1. 中国科学院新疆理化技术研究所，新疆 乌鲁木齐 8300112. 中国科学院大学，北京 1000493. 新疆民族语音语言信息处理实验室，新疆 乌鲁木齐 830011

关键词：信息抽取,事件抽取,重叠事件,异构图网络,级联解码

事件抽取是一项重要的信息抽取任务，旨在从自然语言文本中抽取出特定的事件或事实信息。在现实事件抽取场景中存在大量的事件重叠问题，即一个单词可以同时作为不同事件类型的触发词或不同角色的事件论元。然而，现有重叠事件抽取方法忽略了事件类型、论元角色等事件元素之间的关联和依赖关系，导致重叠事件抽取性能不佳。针对此问题，提出一种动态异构图增强的级联解码事件抽取模型DHG-EE，通过多粒度级联解码结构与领域-事件类型-论元角色异构图网络，有效实现重叠事件的结构表示与事件元素间的信息传递。具体来说：首先采用预训练模型对自然语言文本进行编码并构建由领域、事件类型和论元角色组成的多粒度异构图网络，将重叠事件论元与对应的多个领域节点和事件类型节点分开，并通过异构图的动态点边结构高效表示重叠事件的复杂关联关系；然后多粒度级联解码结构按照语义粒度由粗到细依次解码领域属性、事件类型、事件触发词和事件论元，并将上一粒度信息作为额外信息辅助下一粒度的解码，通过粗粒度领域和事件类型的预解码，有效约束了细粒度重叠触发词和事件论元的解码。实验结果表明，该模型在FewFC和DuEE1.0基准事件抽取数据集上的F1值优于对比的基线模型。

来源：2025年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第9期