NAACL 2022事件相关(事件抽取、事件关系抽取、事件预测等)论文汇总
NAACL 2022事件抽取相关(事件抽取、事件关系抽取、事件预测等)论文汇总，已更新全部的论文讲解。
Event Extraction
RAAT: Relation-Augmented Attention Transformer for Relation Modeling in Document-Level Event Extraction
提出一个文档级事件抽取模型，第一次在文档级事件抽取中使用关系信息。提出Relation-augmented Attention Transformer (RAAT)，该网络可以覆盖文档级事件抽取中不同尺度和数量的关系。
DEGREE: A Data-Efficient Generation-Based Event Extraction Model
提出一种基于生成的事件提取模型，通过更好地结合标签语义和子任务之间的共享知识，可以用更少的数据学习。
Event Detection
- Cross-Lingual Event Detection via Optimized Adversarial Training
本篇论文专注于跨语言事件检测，目前最新的研究利用了预训练多语言模型的语言不变特性。然而还有改进的余地，本篇论文采用对抗语言适应来训练语言鉴别器，以使用未标记的数据来辨别源语言和目标语言。鉴别器以对抗方式进行训练，以便编码器学习生成精炼的、语言不变的表示，从而提高性能。通过只向鉴别器提供信息量最大的样本来优化对抗训练过程。基于两个不同的指标：样本相似性和事件存在。利用最优传输(Optimal Transport)作为一种解决方案，将这两个不同的信息源自然地结合到选择过程中。 - Zero-Shot Event Detection Based on Ordered Contrastive Learning and Prompt-Based Prediction
基于有序的对比学习提出一个zero-shot事件检测模型。将基于prompt的预测引入到zero-shot事件检测问题中，消除了对预定义事件结构和启发式规则的依赖。
- Event Detection for Suicide Understanding
介绍了 SuicideED：一个用于事件检测任务的新数据集，具有七种自杀事件类型，可全面捕获自杀行为和想法，以及一般风险和保护因素。
Event Argument Extraction
A Two-Stream AMR-enhanced Model for Document-level Event Argument Extraction
提出一个双流编码模块，从局部和全局两方面编码上下文。提出一个AMR (Abstract meaning Representation)引导的交互模块，方便文档内的语义交互，从而更好地捕捉远距离依赖。在RAMS和WikiEvents数据集上达到SOTA。
Document-Level Event Argument Extraction by Leveraging Redundant Information and Closed Boundary Loss
提出带graph2token模块的实体共指图和实体摘要图，利用冗余的事件信息。提出一个封闭边界的loss。
EA2^22E: Improving Consistency with Event Awareness for Document-Level Argument Extraction
提出Event-Aware Argument Extraction模型，包括对齐增强的训练和迭代推理
Textual Entailment for Event Argument Extraction: Zero- and Few-Shot with Multi-Source Learning
以文本蕴涵的方式解决事件论元抽取问题，使用文本蕴涵数据、关系抽取数据、其他事件抽取数据(如下图)提升事件论元抽取任务不同场景下(zero-shot、few-shot和全数据)的性能。
Event Coreference Resolution
- Contrastive Representation Learning for Cross-Document Coreference Resolution of Events and Entities
识别文档内和文档间的相关实体和事件是自然语言理解的基础。本篇论文提出了一种利用对比表示学习来解决实体和事件共指消解的方法。 早期最先进的方法已将此问题表述为二进制分类问题，并利用cross-encoder架构中的大型transformer来实现其结果。 对于大型文档集合和相应的n个提及，在这些早期方法中执行n2n^2n2 transformer计算。本篇论文应用对比学习，在推理时仅需要n次transformer计算。
Event Schema Induction
- Event Schema Induction with Double Graph Autoencoders
任务定义：输入事件实例图(包括多个事件、实体结点)，输出事件模式图(结点为类型).
事件模式描述了复杂事件的典型结构，是有效分析、预测和可能干预正在进行的事件的脚手架。为了从历史事件中归纳出事件模式，之前的工作使用逐个事件的模式，忽略了整个模式图的全局结构。本片论文提出了一个使用双图自动编码器的事件模式归纳框架，它捕获事件图中节点之间的全局依赖关系。首先从事件图中提取事件骨架，并设计一个变分有向无环图 (DAG) 自动编码器来学习其全局结构。然后进一步填充骨架的事件论元，并使用另一个基于图卷积网络 (GCN) 的自动编码器来重建实体-实体关系以及检测共指实体。通过执行这种两阶段归纳分解，模型可以避免在一步中重建整个图，从而使其专注于学习事件之间的全局结构。
Event Temporal Relations
- Extracting Temporal Event Relation with Syntax-guided Graph Transformer
提取事件之间的时间关系(之前、之后和同时)对自然语言理解至关重要。 这个问题的关键挑战之一是当感兴趣的事件在文本中很遥远时，两者之间的上下文常常变得复杂，这使得解决它们之间的时间关系具有挑战性。 因此本篇论文提出了一种新的语法引导的图转换网络(SGT)来缓解这个问题，它通过(1)基于依赖解析树显式地利用两个事件之间的连接，以及(2)通过一种新的语法引导的注意机制自动定位两个事件之间的时间线索。
Dataset
- ScAN: Suicide Attempt and Ideation Events Dataset
自杀是一个重要的公共卫生问题，也是全世界死亡的主要原因之一。自杀行为，包括自杀未遂 (SA) 和自杀意念 (SI)，是自杀死亡的主要危险因素。与患者之前和当前的 SA 和 SI 相关的信息经常记录在电子健康记录 (EHR) 注释中。准确检测此类文件可能有助于改进对患者自杀行为的监测和预测，并提醒医疗专业人员进行自杀预防工作。本篇论文构建了自杀企图和意念事件 (ScAN) 数据集，这是公开可用的 MIMIC III 数据集的一个子集，涵盖超过 12k+ EHR 笔记和 19k+ 带注释的 SA 和 SI 事件信息。注释还包含诸如自杀未遂方法之类的属性。提出的baseline模型 ScANER（自杀企图和意念事件检索器）有一个检索模块，用于从住院的 EHR 笔记中提取所有相关的自杀行为证据(二分类)，以及一个预测模块，用于确定患者住院期间结束的自杀行为类型(SA 和 SI),使用检索器模块提取的证据段落,预测了 SA(positive, neg_unsure, neutral-SA)和 SI(positive, negative, neutral-SI)的标签。
- MINION: a Large-Scale and Diverse Dataset for Multilingual Event Detection
事件检测 (ED) 是识别和分类文本中事件提及的触发词的任务。尽管近年来对英语文本进行了大量研究，但对其他语言的 ED 任务的探索却少得多。切换到非英语语言，ED 的重要研究问题包括现有的 ED 模型在不同语言上的表现如何，ED 在其他语言中的挑战性如何，以及 ED 知识和注释可以跨语言转移的程度。要回答这些问题，获得为多种语言提供一致事件注释的多语言 ED 数据集至关重要。存在一些多语言 ED 数据集；但是它们往往涵盖少数几种语言，并且主要关注流行语言。许多语言未包含在现有的多语言 ED 数据集中。此外当前的数据集通常很小，公众无法访问。为了克服这些缺点，本篇论文为ED引入了一个新的大规模多语言数据集(称为 MINION)，该数据集一致地注释 8 种不同语言的事件；现有的多语言数据集不支持其中 5 个。还进行了广泛的实验和分析，以证明在 MINION 中 ED 跨语言的挑战和可转移性，所有这些都需要在该领域进行更多的研究工作。 - DocEE: A Large-Scale and Fine-grained Benchmark for Document-level Event Extraction
事件抽取的目的是识别一个事件，然后抽取参与该事件的参数。 尽管在句子级事件提取方面取得了巨大成功，但事件更自然地以文档的形式呈现，事件参数分散在多个句子中。 然而，推动文档级事件提取的一个主要障碍是缺乏大规模和实用的训练和评估数据集。 在本文中，本篇论文介绍了 DocEE，这是一个新的文档级事件提取数据集，包括 27,000 多个事件、180,000 多个参数。 强调三个特征：大规模手动注释、细粒度参数类型和面向应用的设置。 实验表明，最先进的模型与人类之间仍然存在很大差距(F1分数为41%vs85%)，表明 DocEE 是一个悬而未决的问题。
Information Extraction
- Joint Extraction of Entities, Relations, and Events via Modeling Inter-Instance and Inter-Label Dependencies
事件触发检测、实体提及识别、事件论元抽取和关系抽取是信息提取中的四个重要任务（联合信息提取 - JointIE），联合抽取以避免错误传播并利用任务实例之间的依赖关系（即事件触发词、实体提及、关系和事件论元)。然而以前的JointIE 模型通常假设任务实例之间的启发式手动设计依赖关系和实例标签联合分布的平均场分解，因此无法捕获实例和标签之间的最佳依赖关系以改善表示学习和 IE 性能。为了克服这些限制，本篇论文建议从数据中引入任务实例之间的依赖图以促进表示学习。为了更好地捕获实例标签之间的依赖关系，通过条件随机场直接估计它们的联合分布。引入噪声对比估计来解决模型训练中棘手的联合似然的最大化问题。最后为了改进先前工作中使用贪婪或beam搜索的解码，提出了模拟退火以在解码时更好地找到实例标签的全局最优分配。
misinformation detection
- Cross-document Misinformation Detection based on Event Graph Reasoning
对于新兴事件，读者通常会接触到真实新闻和假新闻。 多篇新闻文章可能包含互补或矛盾的信息，读者可以利用这些信息来帮助检测假新闻。 受此过程的启发，本片论文提出了一项新的跨文档错误信息检测任务。 给定一组与主题相关的新闻文档，目标是在文档级别和更细粒度的事件级别检测错误信息。 由于缺乏数据，通过操纵真实新闻来生成假新闻，并构建了 3 个新的数据集，分别包含 422276 和 1413 个主题相关文档的集群。 进一步提出了一种基于图的检测器，该检测器使用跨文档事件共指消解构建跨文档知识图，并采用异构图神经网络在两个层次上进行检测。 然后我们将事件级检测结果输入到文档级检测器。
Other
- Go Back in Time: Generating Flashbacks in Stories with Event Plots and Temporal Prompts
故事或叙述由一系列事件组成。为了撰写有趣的故事，专业作家经常利用一种称为闪回的创造性写作技巧，将过去的事件插入当前的故事情节中，正如我们在小说和戏剧中常见的那样。然而机器产生闪回是一项挑战，因为它需要对事件的时间顺序有深刻的理解(例如，在吃饭前感到饥饿，反之亦然)，以及安排故事情节的创造力，以使较早的事件并不总是首先出现在叙述顺序中。现有系统中的两个主要问题加剧了挑战：1)预训练和故事数据集中的时间偏差导致单调的事件时间顺序； 2) 缺乏帮助机器决定在何处插入闪回的明确指导。本篇论文建议使用结构化故事情节来解决这些问题，以将事件及其成对时间关系（<before>、<after>和 <vague>）编码为时间提示，以指导故事应如何按时间展开。通过强化学习增强的Plan-and-Write框架来生成故事情节和端到端的故事。评估结果表明，所提出的方法可以在保持文本多样性、流畅性和时间连贯性的同时生成更有趣的闪回故事。
NAACL 2022事件相关(事件抽取、事件关系抽取、事件预测等)论文汇总相关推荐
- ACL 2022事件相关(事件抽取、事件关系抽取、事件预测等)论文汇总
ACL 2022事件相关(事件抽取.事件关系抽取.事件预测等)论文汇总,已更新全部的论文. Event Extraction Query and Extract: Refining Event Ext ...
- EMNLP 2021事件相关(事件抽取、事件关系抽取、事件预测等)论文汇总
EMNLP 2021事件相关(事件抽取.事件关系抽取.事件预测等)论文汇总,已更新全部. Event Extraction Crosslingual Transfer Learning for Rel ...
- 事件相关去同步 (ERD) 和事件相关同步化 (ERS)在脑电信号研究中的应用
作者:周思捷,白红民,广州军区广州总医院神经外科 人脑具有电活动是Hans Berger于1924年首先检测到的,并将这种检测方法命名为脑电图(electroencephalo-graph,EEG). ...
- 【事件图谱】事件抽取与事件关系抽取
事件抽取(Event Extraction, EE)是NLP领域中一种经典的信息抽取任务,在商业.军事等领域的情报工作中应用非常广泛.本文简单介绍了事件抽取任务和事件之间的几种关系.并根据现在的研究介 ...
- 论文浅尝 | 通过共享表示和结构化预测进行事件和事件时序关系的联合抽取
论文笔记整理:邓淑敏,浙江大学在读博士,研究方向为低资源条件下知识图谱自动化构建关键技术研究. Rujun Han, Qiang Ning, Nanyun Peng. Joint Event and ...
- 事件相关功能磁共振波谱技术（fMRS）
导读 质子磁共振波谱(MRS)是一种非侵入性脑成像技术,用于测量不同神经化学物质的浓度."单体素"MRS数据通常在几分钟内采集,然后对单个瞬态进行平均,从而测量神经化学物质浓度.然 ...
- NLP事件抽取综述（上中下）：中文事件抽取、开放域事件抽取、事件数据生成、跨语言事件抽取、小样本事件抽取、零样本事件抽取等类型
https://github.com/xiaoqian19940510/Event-Extraction 近年来事件抽取方法总结,包括中文事件抽取.开放域事件抽取.事件数据生成.跨语言事件抽取.小样本 ...
- 【附赠书】2022年全球10大数据泄漏事件
导读:全球每年都会有大量的爆炸性的数据泄漏事件发生,但是今年的数据泄漏事件特别多,此起彼伏,而且数据泄漏的规模和造成的破坏性影响,一次比一次大. 根据Identify Theft Research C ...
- 关于事件相关电位SSVEP应用于视频游戏的研究
点击上面"脑机接口社区"关注我们 更多技术干货第一时间送达 前面介绍过事件相关电位P300应用于视频游戏的研究: 关于事件相关电位P300应用于视频游戏的研究 今天主要介绍事件相关 ...
最新文章
- 三剑客”之Swarm应用数据持久化管理（volume 、bind 、 nfs）
- mega_[MEGA DEAL]终极Android N开发套件（90％折扣）
- Acwing第 10 场周赛【未完结】
- CUDA性能优化----线程配置
- 人生没有对与错，只是选择不同
- 使用Spring Cloud Config作为外部化配置
- 比较排序算法的时间复杂度 c语言,c语言四种排序算法时间复杂度比较（10页）-原创力文档...
- vs2008试用期到期解决办法
- ubuntu 分屏工具
- LeetCode--Restore IP Addresses
- 高中数学解析几何求轨迹常用的六种解题方法（实用干货）
- python爬虫系列第六次笔记之验证码以及代理的使用
- ubuntu18.04安装evo测评工具踩坑
- 18个使用 jQuery 制作的创意网站欣赏
- Unity C# 腾讯云【短信服务】验证码功能
- Allegro PCB Design GXL (legacy) 从dxf文件中导入板框
- 暑假集训日记（四）（长题解）
- String...的用法
- Scala学习笔记(黑马视频)
- JSP页面代码到源代码的转换