计算机应用研究

作者：冯兴杰,赵新阳,冯小荣,

单位：中国民航大学a.计算机科学与技术学院;b.空中交通管理学院,天津300300；

关键词：事件抽取,多任务学习,软参数共享,门控网络,

基金：国家重点研发计划课题项目(2020YFB1600101)；国家自然基金重点项目(U2133207)；中央高校基本科研业务费项目(3122020052)；；

事件抽取是项重要的信息抽取任务，旨在抽取文本中的事件信息。目前基于多任务学习的事件联合抽取方法大多基于硬参数共享，此类方法往往会导致跷跷板现象的出现，即一项任务的性能往往通过损害另一项任务的性能来提高。为了解决这一问题，提出了一种基于软参数共享的事件联合抽取方法，该方法明确地分离了共享参数和任务特定参数，并通过双层门控网络增强模型提取和筛选语义知识的能力，使模型能同时为两个任务学习到合适的特征表示，实现了更高效的信息共享和联合表示学习。在DuEE1.0公共数据集上进行了实验，使用准确率、召回率、F1值作为评价指标，并通过对比实验和消融实验验证了方法的有效性。对比基于硬参数共享的联合抽取模型事件识别任务F1值提高了2.0%，论元角色分类任务F1值提高了0.9%，有效地缓解了跷跷板现象的出现，验证了方法的有效性。

来源：2023年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第1期