融合多模型与高置信度词典的事件线索检测

doi:10.13209/j.0479-8023.2017.005

摘要/Abstract

摘要：

提出一种融合多模型和高置信度词典的事件线索识别方法, 将高置信度词典特征分别加入最大熵模型和条件随机场模型, 然后融合两个模型的结果, 旨在提高触发词识别的召回率和整体性能。针对事件真伪性识别任务, 进一步考察否定词或不确定词与触发词的物理位置距离和依存路径距离等特征, 提高事件真伪性识别的性能。实验结果显示, 针对触发词识别和事件真伪性识别任务, 与仅使用最大熵模型相比, 所提出的融合多模型与高置信度词典的方法能够提高触发词识别的性能6.43%, 提高事件真伪性识别的性能1.69%。

关键词: 事件线索检测, 最大熵模型, 条件随机模型, 高置信度词典

Abstract:

This paper proposes a method that combines multiple models and high-confidence dictionary for event nugget detection. This method introduces dictionary features into maximum entropy model and conditional random fields model respectively, then combines the results of two models. In addition, the lexical length and the length of the dependency path between the trigger and negation or speculation in event realis recognition are considered to improve the accuracy of event realis detection. Compared to the method based on maximum entropy model, the experiment results show that proposed method can get 6.43% gain of F1 in event nugget recognition and 1.69% gain of F1 in event realis recognition.

Key words: event nugget detection, Maximum Entropy, Conditional Random Fields, high-confidence dictionary

陈亚东, 洪宇, 王潇斌, 杨雪蓉, 姚建民, 朱巧明. 融合多模型与高置信度词典的事件线索检测[J]. 北京大学学报自然科学版, 2017, 53(3): 412-420.

Yadong CHEN, Yu HONG, Xiaobin WANG, Xuerong YANG, Jianmin YAO, Qiaoming ZHU. Combining Multiple Models and High-Confidence Dictionary
for Event Nugget Detection[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2017, 53(3): 412-420.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/10.13209/j.0479-8023.2017.005

https://xbna.pku.edu.cn/CN/Y2017/V53/I3/412

图/表 8

参考文献 12

[1]	Ahn D.The stages of event extraction // Proceedings of ACL 2006 Workshop on Annotating and Reaso-ning about Time and Events. Sydney, 2006: 1-8
[2]	Ji H, Grishman R.Refining event extraction through cross-document inference // Proceedings of the 46th Annual Meeting of the Association for Computa-tional Linguistics(ACL). Colunbus, 2008: 254-262
[3]	Yarowsky D.Unsupervised word sense disambigua-tion rivaling supervised methods // Proceedings of the 33rd annual meeting on Association for Compu-tational Linguistics (ACL). Stroudsburg, 1995: 189-196
[4]	Liao S, Grishman R.Using document level cross-event inference to improve event extraction // Proceedings of the 46th Annual Meeting of the Association for Computational Linguistics (ACL). Uppsala, 2010: 789-797
[5]	Hong Y, Zhang J, Ma B, et al.Using cross-entity inference to improve event extraction // Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics (ACL). Portland, 2010: 1127-1136
[6]	Chen C, Ng V.Joint modeling for chinese event extraction with rich linguistic features // Proceedings of COLING 2012. Mumbai, 2012: 529-544
[7]	Li P, Zhou G.Employing morphological structures and sememes for Chinese event extraction // Procee-dings of COLING 2012. Mumbai, 2012: 1619-1634
[8]	Li Q, Ji H, Huang L.Joint event extraction via structured prediction with global features // Procee-dings of the 51th Annual Meeting of the Association for Computational Linguistics (ACL). Sofia, 2013: 73-82
[9]	Chen Z, Ji H, Haralick R.A pairwise event coreference model, feature impact and evaluation for event coreference resolution // Proceedings of the Work- shop on Events in Emerging Text Types. Borovets, 2009: 17-22
[10]	Miller G A.WordNet: a lexical database for English. Communications of the ACM, 1995, 38(11): 39-41
[11]	张梅山, 邓知龙, 车万翔, 等. 统计与词典相结合的领域自适应中文分词. 中文信息学报, 2012, 26(2): 8-12
[12]	Zou B, Zhou G, Zhu Q.Tree kernel-based negation and speculation scope detection with structured syntactic parse features // Proceedings of the 2013 Conference on Empirical Methods in Natural Lan-guage Processing(EMNLP). Seattle, 2013: 968-976

序号	触发词	事件类型	真伪性
1	killed	Die	Realis
2	injured	Injure	Realis

序号	触发词	事件类型	真伪性
1	killed	Die	Realis
2	injured	Injure	Realis

特征层面	特征标记	特征描述	待测词“killed”的特征
词汇层面	W₀	待测词本身	W₀=killed
	Lem	待测词的词形	Lem=kill
	Pos	待测词的词性	Pos=VBD
	Synonym	待测词的同义词集(WordNet)	Synonym=kill
	W_i (i=-2, -1, 1, 2)	待测词左/右2个词	W_-1=Jack, W₁=Tom, W₂=in
	Pos_i (i=-2, -1, 1, 2)	待测词左/右2个词的词性	Pos_-1=NNP, Pos₁=NNP, Pos₂=IN
句法层面	Chunk	待测词的语块特征	Chunk=B-VP
	DepW	与待测词具有依存关系的词	DepW=nsubj_Jack, DepW=dobj_Tom
	DepPos	与待测词具有依存关系的词的词性	DepPos=nsubj_NNP, DepPos=dobj_NNP
高置信度词典层面 (最大熵模型)	Dict	待测词在高置信度词典中对应的事件类型	Dict=Die
高置信度词典层面 (条件随机场模型)	B_i (i=-1, 0, 1)	在当前位置, 根据高置信度词典, 采用最大匹配获得的词或短语对应的事件类型	B₀=B-Die
	M_i (i=-1, 0, 1)	根据高置信度词典, 采用正向最大匹配获得的经过当前位置但不以当前位置结尾的短语对应的事件类型	空特征
	E_i (i=-1, 0, 1)	在当前位置, 根据高置信度词典, 采用逆向最大匹配获得的词或短语对应的事件类型	E₀=B-Die
	B_-1B₀B₁, M_-1M₀M₁, E_-1E₀E₁	B_i, M_i以及E_i的Tri-gram表现形式	B_-1B₀B₁=0\|B-Die\|0, E_-1E₀E₁=0\|B-Die\|0

特征层面	特征标记	特征描述	待测词“killed”的特征
词汇层面	W₀	待测词本身	W₀=killed
	Lem	待测词的词形	Lem=kill
	Pos	待测词的词性	Pos=VBD
	Synonym	待测词的同义词集(WordNet)	Synonym=kill
	W_i (i=-2, -1, 1, 2)	待测词左/右2个词	W_-1=Jack, W₁=Tom, W₂=in
	Pos_i (i=-2, -1, 1, 2)	待测词左/右2个词的词性	Pos_-1=NNP, Pos₁=NNP, Pos₂=IN
句法层面	Chunk	待测词的语块特征	Chunk=B-VP
	DepW	与待测词具有依存关系的词	DepW=nsubj_Jack, DepW=dobj_Tom
	DepPos	与待测词具有依存关系的词的词性	DepPos=nsubj_NNP, DepPos=dobj_NNP
高置信度词典层面 (最大熵模型)	Dict	待测词在高置信度词典中对应的事件类型	Dict=Die
高置信度词典层面 (条件随机场模型)	B_i (i=-1, 0, 1)	在当前位置, 根据高置信度词典, 采用最大匹配获得的词或短语对应的事件类型	B₀=B-Die
	M_i (i=-1, 0, 1)	根据高置信度词典, 采用正向最大匹配获得的经过当前位置但不以当前位置结尾的短语对应的事件类型	空特征
	E_i (i=-1, 0, 1)	在当前位置, 根据高置信度词典, 采用逆向最大匹配获得的词或短语对应的事件类型	E₀=B-Die
	B_-1B₀B₁, M_-1M₀M₁, E_-1E₀E₁	B_i, M_i以及E_i的Tri-gram表现形式	B_-1B₀B₁=0\|B-Die\|0, E_-1E₀E₁=0\|B-Die\|0

特征层面	特征标记	特征描述
基本层面	Lem	触发词的词形
	Pos	触发词的词性
	Event	触发词的事件类型
	Lem_i (i=-2, -1, 1, 2)	触发词左/右2个词的词形
	Pos_i (i=-2, -1, 1, 2)	触发词左/右2个词的词性
	FirstVerbLem	当前句中第一个动词的词形
	FirstVerbPos	当前句中第一个动词的词性
	Time	当前句中描述时间的词
	NegWord	当前句触发词前面是否含有否定词
	ModalWord	当前局触发词前面是否含有情态动词
扩展层面	PhyDistance	触发词与前面最近的否定词或不确定词的物理位置的距离
	DepDistance	触发词与前面最近的否定词或不确定词的依存路径的距离
	NegWords	根据情感词典扩充表示否定的词, 例如refute, never和fail等
	Uncertain	根据情感词典扩充表示可能性的词, 例如if, whether和perhaps等
	Dep	与触发词具有依存关系的词的词形、词性和实体