事件抽取(and 检测)经典论文

本文探讨了事件抽取中的关键技术,如雀巢裁员案例,通过CNN和RNN模型进行事件触发词和论元的识别。文章介绍了EventExtractionviaDynamicMulti-PoolingCNNs (2015) 的动态池化策略,以及EventDetectionandDomainAdaptationwithConvolutionalNeuralNetworks (2015) 中CNN在事件检测中的作用。重点阐述了如何通过混合神经网络结合BiLSTM和CNN来捕捉句子语义,解决多词触发词的问题。

事件抽取

事件mention——要做事件抽取的原始语料
事件type——攻击、裁员等等
事件触发词——裁员
事件论元——角色+论元

{
   
   
    "text": "雀巢裁员4000人:时代抛弃你时,连招呼都不会打!",
    "id": "409389c96efe78d6af1c86e0450fd2d7",
    "event_list": [
        {
   
   
            "event_type": "组织关系-裁员",
            "trigger": "裁员",
            "trigger_start_index": 2,
            "arguments": [
                <
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

YJII

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值