Core Concepts
Das Modell PerNee extrahiert verschachtelte Ereignisse hauptsächlich durch die Erkennung von Pivot-Elementen, die gleichzeitig als Argumente äußerer Ereignisse und als Auslöser innerer Ereignisse fungieren.
Abstract
Der Artikel präsentiert das PerNee-Modell, das darauf abzielt, verschachtelte Ereignisse effizient zu extrahieren. Verschachtelte Ereignisse sind eine Art komplexer Ereignisstrukturen, bei denen ein Ereignis rekursiv andere Ereignisse als Argumente enthält.
Schlüsselpunkte:
- Pivot-Elemente (PE) sind spezielle Elemente, die gleichzeitig als Argumente äußerer Ereignisse und als Auslöser innerer Ereignisse fungieren und so die verschachtelten Strukturen verbinden.
- Bestehende Methoden haben Schwierigkeiten, mit den dualen Identitäten von PEs umzugehen, da sie diese entweder als reine Argumente oder als reine Auslöser behandeln.
- PerNee erkennt PEs, indem es die Beziehung zwischen Auslöserpaaren klassifiziert, anstatt sie als Argumente oder Auslöser zu behandeln.
- Darüber hinaus verwendet PerNee Prompt-Lernen, um Informationen zu Ereignistypen und Argumentrollen für bessere Darstellungen zu nutzen.
- Um die Beschränkungen bestehender Datensätze zu überwinden, wird ein neuer Datensatz namens ACE2005-Nest erstellt, der eine größere Vielfalt an Ereignistypen mit verschachtelten Strukturen abdeckt.
- Experimente zeigen, dass PerNee konsistent die besten Ergebnisse auf ACE2005-Nest, Genia11 und Genia13 erzielt.
Stats
"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."
"Existing NEE methods typically employ two separate modules to extract triggers and arguments, and recognize those overlapping ones as PEs. However, due to their more trigger-like characteristics of PEs, it is difficult for the argument extraction module to recognize them as the arguments of outer-nest events, which affects the performance of those existing methods on NEE."
Quotes
"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."