Resumen

En la tarea de extracción de eventos, considerando que puede haber múltiples escenarios en el corpus y un argumento puede desempeñar diferentes roles bajo diferentes desencadenantes, el esquema de etiquetado tradicional solo puede etiquetar cada palabra una vez, lo que no puede resolver el problema de superposición de argumentos. Se propuso un modelo de canalización de etiquetado jerárquico para corpus chino basado en el modelo preentrenado Bert, que puede obtener los argumentos relevantes de cada evento de manera jerárquica. Se selecciona una estructura de canalización en el modelo, y la tarea de extracción de eventos se divide en clasificación de desencadenantes de eventos y reconocimiento de argumentos. En primer lugar, se utiliza el modelo preentrenado Bert para generar el vector de características y transferirlo al modelo de campo aleatorio condicional bidireccional de unidad recurrente en puerta (BiGRU+CRF) para la clasificación de desencadenantes; luego, las características de tipo de evento marcadas se empalman en el corpus como características conocidas y luego se pasan a BiGRU+

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Extracción de eventos; Modelo de pipeline de etiquetado jerárquico; Corpus chino; Modelo preentrenado Bert; Clasificación de desencadenantes de eventos; Reconocimiento de argumentos
• Keywords:Event extraction; Hierarchical tagging pipeline model; Chinese corpus; Pretrained model Bert; Event trigger classification; Argument recognition