本系列文章主要總結(jié)近年來(lái)事件抽取方法總結(jié)，包括中文事件抽取、開(kāi)放域事件抽取、事件數(shù)據(jù)生成、跨語(yǔ)言事件抽取、小樣本事件抽取、零樣本事件抽取等。主要包括以下幾大部分：

定義（Define）

綜述（Survey）

模型（Models）

數(shù)據(jù)集（Datasets）

挑戰(zhàn)與展望（Future Research Challenges）

Github地址：https://github.com/xiaoqian19940510/Event-Extraction

任務(wù)定義

Closed-domain

Closed-domain事件抽取使用預(yù)定義的事件模式從文本中發(fā)現(xiàn)和提取所需的特定類型的事件。事件模式包含多個(gè)事件類型及其相應(yīng)的事件結(jié)構(gòu)。D.Ahn首先提出將ACE事件抽取任務(wù)分成四個(gè)子任務(wù)：觸發(fā)詞檢測(cè)、事件/觸發(fā)詞類型識(shí)別、事件論元檢測(cè)和參數(shù)角色識(shí)別。我們使用ACE術(shù)語(yǔ)來(lái)介紹如下事件結(jié)構(gòu):

「事件提及」：描述事件的短語(yǔ)或句子，包括觸發(fā)詞和幾個(gè)參數(shù)。

「事件觸發(fā)詞」：最清楚地表達(dá)事件發(fā)生的主要詞，一般指動(dòng)詞或名詞。

「事件論元」：一個(gè)實(shí)體，時(shí)間表達(dá)式，作為參與者的值和在事件中具有特定角色的屬性。

「論元角色」：論元與它所參與的事件之間的關(guān)系

Open domain

在沒(méi)有預(yù)定義的事件模式的情況下，開(kāi)放域事件抽取的目的是從文本中檢測(cè)事件，在大多數(shù)情況下，還可以通過(guò)提取的事件關(guān)鍵詞聚類相似的事件。事件關(guān)鍵詞指的是那些主要描述事件的詞/短語(yǔ)，有時(shí)關(guān)鍵詞還進(jìn)一步分為觸發(fā)器和參數(shù)。

「故事分割」：從新聞中檢測(cè)故事的邊界。

「第一個(gè)故事檢測(cè)」：檢測(cè)新聞流中討論新話題的故事。

「話題檢測(cè)」：根據(jù)討論的主題將故事分組。

「話題追蹤」：檢測(cè)討論先前已知話題的故事。

「故事鏈檢測(cè)」：決定兩個(gè)故事是否討論同一個(gè)主題。

前兩個(gè)任務(wù)主要關(guān)注事件檢測(cè);其余三個(gè)任務(wù)用于事件集群。雖然這五項(xiàng)任務(wù)之間的關(guān)系很明顯，但每一項(xiàng)任務(wù)都需要一個(gè)不同的評(píng)價(jià)過(guò)程，并鼓勵(lì)采用不同的方法來(lái)解決特定問(wèn)題。

綜述

元事件抽取研究綜述, 2019[1]

事件抽取是信息抽取領(lǐng)域的一個(gè)重要研究方向，在情報(bào)收集、知識(shí)提取、文檔摘要、知識(shí)問(wèn)答等領(lǐng)域有著廣泛應(yīng)用。寫(xiě)了一篇對(duì)當(dāng)前事件抽取領(lǐng)域研究得較多的元事件抽取任務(wù)的綜述。

首先，簡(jiǎn)要介紹了元事件和元事件抽取的基本概念，以及元事件抽取的主要實(shí)現(xiàn)方法。然后，重點(diǎn)闡述了元事件抽取的主要任務(wù)，詳細(xì)介紹了元事件檢測(cè)過(guò)程，并對(duì)其他相關(guān)任務(wù)進(jìn)行了概述。最后,總結(jié)了元事件抽取面臨的問(wèn)題，在此基礎(chǔ)上展望了元事件抽取的發(fā)展趨勢(shì)。

An Overview of Event Extraction from Text, 2019[2]

文本挖掘的一個(gè)常見(jiàn)應(yīng)用是事件抽取，它包括推導(dǎo)出與事件相關(guān)的特定知識(shí)，這些知識(shí)重新映射到文本中。事件抽取可處理各種類型的文本，如(在線)新聞消息、博客和手稿。本文獻(xiàn)回顧了用于各種事件抽取目的的文本挖掘技術(shù)。它提供了關(guān)于如何根據(jù)用戶、可用內(nèi)容和使用場(chǎng)景選擇特定事件抽取技術(shù)的一般指南。

A Survey of Event Extraction from Text, 2019[3]

事件抽取的任務(wù)定義、數(shù)據(jù)源和性能評(píng)估，還為其解決方案方法提供了分類。在每個(gè)解決方案組中，提供了最具代表性的方法的詳細(xì)分析，特別是它們的起源、基礎(chǔ)、優(yōu)勢(shì)和弱點(diǎn)。最后，對(duì)未來(lái)的研究方向進(jìn)行了展望。

A Survey of Textual Event Extraction from Social Networks, 2017[4]

過(guò)去的十年中，在社交網(wǎng)絡(luò)上挖掘文本內(nèi)容以抽取相關(guān)數(shù)據(jù)和有用的知識(shí)已成為無(wú)所不在的任務(wù)。文本挖掘的一種常見(jiàn)應(yīng)用是事件抽取，它被認(rèn)為是一個(gè)復(fù)雜的任務(wù)，分為不同難度的多個(gè)子任務(wù)。

在本文中，對(duì)現(xiàn)有的主要文本挖掘技術(shù)進(jìn)行了概述，這些技術(shù)可用于許多不同的事件抽取目標(biāo)。首先，介紹基于統(tǒng)計(jì)模型將數(shù)據(jù)轉(zhuǎn)換為知識(shí)的主要數(shù)據(jù)驅(qū)動(dòng)方法。其次，介紹了基于專家知識(shí)的知識(shí)驅(qū)動(dòng)方法，通常通過(guò)基于模式的方法來(lái)抽取知識(shí)。然后，介紹結(jié)合了數(shù)據(jù)驅(qū)動(dòng)和知識(shí)驅(qū)動(dòng)方法的主要現(xiàn)有混合方法。最后，比較社交網(wǎng)絡(luò)事件抽取研究，概括了每種提出的方法的主要特征。

A Survey of event extraction methods from text for decision support systems, 2016[5]

事件抽取是一種可以追溯到20世紀(jì)80年代的專門(mén)的信息抽取流程，由于大數(shù)據(jù)的出現(xiàn)以及文本挖掘和自然語(yǔ)言處理等相關(guān)領(lǐng)域的發(fā)展，事件抽取技術(shù)得到了極大的普及。然而，到目前為止，對(duì)這一特殊領(lǐng)域的概述仍然是難以捉摸的。

因此，總結(jié)了文本數(shù)據(jù)的事件抽取技術(shù)，劃分成數(shù)據(jù)驅(qū)動(dòng)、知識(shí)驅(qū)動(dòng)和混合方法三類，并對(duì)這些方法進(jìn)行了定性評(píng)價(jià)。此外，還討論了從文本語(yǔ)料庫(kù)中抽取事件的常見(jiàn)決策支持應(yīng)用。最后，對(duì)事件抽取系統(tǒng)的評(píng)價(jià)進(jìn)行了闡述，并指出了當(dāng)前的研究問(wèn)題。

數(shù)據(jù)集

英文數(shù)據(jù)集

ACE2005 English Corpus[6]

ACE 2005多語(yǔ)種訓(xùn)練語(yǔ)料庫(kù)包含了用于2005年自動(dòng)內(nèi)容抽取(ACE)技術(shù)評(píng)價(jià)的完整的英語(yǔ)、阿拉伯語(yǔ)和漢語(yǔ)訓(xùn)練數(shù)據(jù)集。語(yǔ)料庫(kù)由語(yǔ)言數(shù)據(jù)聯(lián)盟(LDC)為實(shí)體、關(guān)系和事件注釋的各種類型的數(shù)據(jù)組成，該聯(lián)盟得到了ACE計(jì)劃的支持和LDC的額外幫助。

Rich ERE[7]

Rich ERE擴(kuò)展了實(shí)體、關(guān)系和事件本體，并擴(kuò)展了什么是taggable的概念。Rich ERE還引入了事件跳躍的概念，以解決普遍存在的事件共引用的挑戰(zhàn)，特別是關(guān)于在文檔內(nèi)和文檔之間的事件提及和事件參數(shù)粒度變化，從而為創(chuàng)建(分層的或嵌套的)跨文檔的事件表示鋪平了道路。

TAC2015[8]

TAC KBP事件跟蹤的目標(biāo)是提取關(guān)于事件的信息，以便這些信息適合作為知識(shí)庫(kù)的輸入。軌跡包括用于檢測(cè)和鏈接事件的事件塊任務(wù)，以及用于提取屬于同一事件的事件參數(shù)和鏈接參數(shù)的事件參數(shù)(EA)任務(wù)。2015年TAC KBP賽事軌跡分為5個(gè)子任務(wù)

KBP2017[9]

TAC知識(shí)庫(kù)填充(KBP)的目標(biāo)是開(kāi)發(fā)和評(píng)估從非結(jié)構(gòu)化文本中填充知識(shí)庫(kù)的技術(shù)。KBP包括為KBP開(kāi)發(fā)特定組件和功能的組件跟蹤，以及稱為“冷啟動(dòng)”的端到端KB構(gòu)建任務(wù)，該任務(wù)通過(guò)在技術(shù)成熟時(shí)集成選定的組件從頭開(kāi)始構(gòu)建KB。與在冷啟動(dòng)KB任務(wù)中執(zhí)行的功能相比，組件跟蹤中所需的功能可以“更多”，也可以“更少”。組件軌道比冷啟動(dòng)“更多”，因?yàn)槊總€(gè)軌道可能探索未立即集成到冷啟動(dòng)任務(wù)中的試點(diǎn)任務(wù); 他們是“少”,將組件集成到一個(gè)KB需要額外協(xié)調(diào)與和解各個(gè)組件之間的不匹配,這樣KB符合知識(shí)庫(kù)模式(例如,知識(shí)庫(kù)不能斷言一個(gè)實(shí)體是一個(gè)事件的“地方”如果它還斷言,實(shí)體是一個(gè)“人”)。

其他的還有，Genia2011 dataset, Spainish ERE Corpus, Wikipedia article, BioNLP Cancer Genetics (CG) Shared Task 2013 等等

中文數(shù)據(jù)集

ACE2005 Chinese Corpus[10]

ACE 2005多語(yǔ)種訓(xùn)練語(yǔ)料庫(kù)包含了用于2005年自動(dòng)內(nèi)容抽取(ACE)技術(shù)評(píng)價(jià)的完整的英語(yǔ)、阿拉伯語(yǔ)和漢語(yǔ)訓(xùn)練數(shù)據(jù)集。語(yǔ)料庫(kù)由語(yǔ)言數(shù)據(jù)聯(lián)盟(LDC)為實(shí)體、關(guān)系和事件注釋的各種類型的數(shù)據(jù)組成，該聯(lián)盟得到了ACE計(jì)劃的支持和LDC的額外幫助。

未來(lái)展望與挑戰(zhàn)

數(shù)據(jù)層面

領(lǐng)域數(shù)據(jù)難構(gòu)造，標(biāo)注成本大

生成標(biāo)注數(shù)據(jù) or 無(wú)標(biāo)注式事件抽取論元

模型層面

pipeline方式存在錯(cuò)誤信息的傳遞，如何減小錯(cuò)誤信息傳遞

論元之間的關(guān)聯(lián)關(guān)系的有效利用

性能評(píng)估層面

無(wú)標(biāo)注數(shù)據(jù)的評(píng)價(jià)指標(biāo)設(shè)計(jì)

責(zé)任編輯：xj

原文標(biāo)題：超全必讀！事件抽取綜述（上）

文章出處：【微信公眾號(hào)：深度學(xué)習(xí)自然語(yǔ)言處理】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。