知识驱动的事件双曲嵌入时序关系抽取方法研究

doi:10.13209/j.0479-8023.2022.066

北京大学学报自然科学版 ›› 2023, Vol. 59 ›› Issue (1): 76-82.DOI: 10.13209/j.0479-8023.2022.066

知识驱动的事件双曲嵌入时序关系抽取方法研究

段建勇^1,2,†, 戴诗伟¹, 王昊^1,2, 何丽^1,2, 李欣^1,2

1. 北方工业大学信息学院, 北京 100144 2. CNONIX 国家标准应用与推广实验室, 北京 100144

收稿日期:2022-05-13 修回日期:2022-07-25 出版日期:2023-01-20 发布日期:2023-01-20
通讯作者: 段建勇, E-mail: duanjy(at)ncut.edu.cn
基金资助:
国家自然科学基金(61972003)、教育部人文社科基金(21YJA740052)和北京市教育委员会科学研究计划项目(KM202210009002)资助

Exploration of Knowledge Driven Event Hyperbolic Embedding Temporal Relation Extraction Method

DUAN Jianyong^1,2,†, DAI Shiwei¹, WANG Hao^1,2, HE Li^1,2, LI Xin^1,2

1. School of Information Science and Technology, North China University of Technology, Beijing 100144 2. CNONIX National Standard Application and Promotion Lab, Beijing 100144

Received:2022-05-13 Revised:2022-07-25 Online:2023-01-20 Published:2023-01-20
Contact: DUAN Jianyong, E-mail: duanjy(at)ncut.edu.cn

摘要/Abstract

摘要：

针对事件时间关系不对称的问题, 采用将事件表示映射到双曲空间的方法, 进行事件时序关系抽取。通过简单的运算, 用预训练的词向量与外部知识构建事件的词嵌入表示。在公开发布的数据集上的实验结果表明, 模型的F1值比基线模型普遍高2%, 能够提升事件时序关系抽取的效果。

关键词: 事件时序, 关系抽取, 双曲空间词嵌入

Abstract:

Aiming at the problem of asymmetric temporal relations of events, the event representation is mapped to hyperbolic space to extract temporal relations of events. The word embedding representation of the event is constructed by using the pre-trained word vector and external knowledge through simple operation. Experimental results on publicly released datasets show that the F1 value of the model is generally 2% higher than that of the baseline model, which can improve the effect of event temporal relation extraction.

Key words: event temporal sequence, relation extraction, hyperbolic space word embedding

段建勇, 戴诗伟, 王昊, 何丽, 李欣. 知识驱动的事件双曲嵌入时序关系抽取方法研究[J]. 北京大学学报自然科学版, 2023, 59(1): 76-82.

DUAN Jianyong, DAI Shiwei, WANG Hao, HE Li, LI Xin. Exploration of Knowledge Driven Event Hyperbolic Embedding Temporal Relation Extraction Method[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2023, 59(1): 76-82.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/10.13209/j.0479-8023.2022.066

https://xbna.pku.edu.cn/CN/Y2023/V59/I1/76

[1]	赵丹丹, 张俊朋, 孟佳娜, 张志浩, 苏文. 基于预训练模型和混合神经网络的医疗实体关系抽取[J]. 北京大学学报自然科学版, 2023, 59(1): 65-75.
[2]	徐洋, 蒋玉茹, 张禹尧, 何威恺. 融合角色指代的多方对话关系抽取方法研究[J]. 北京大学学报自然科学版, 2022, 58(1): 13-20.
[3]	李兴亚, 陈钰枫, 徐金安, 张玉洁. 融合门控机制的远程监督关系抽取方法[J]. 北京大学学报自然科学版, 2020, 56(1): 39-44.
[4]	许浩亮, 李雁群, 何云琪, 钱龙华. 中文嵌套命名实体关系抽取研究[J]. 北京大学学报自然科学版, 2019, 55(1): 8-14.
[5]	饶齐,王裴岩,张桂平. 面向中文专利SAO结构抽取的文本特征比较研究[J]. 北京大学学报（自然科学版）, 2015, 51(2): 349-356.
[6]	宋文杰,顾彦慧,周俊生,孙玉杰,严杰,曲维光. 多策略同义词获取方法研究[J]. 北京大学学报（自然科学版）, 2015, 51(2): 301-306.

知识驱动的事件双曲嵌入时序关系抽取方法研究

Exploration of Knowledge Driven Event Hyperbolic Embedding Temporal Relation Extraction Method

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 6

编辑推荐

Metrics

留言