论文笔记 EMNLP 2021|Modeling Document-Level Context for Event Detection via Important Context Selection
文章目录
- 1 简介
- 1.1 创新
- 2 方法
- 2.1 预测模型
- 2.2 上下文选择
- 2.3 训练
- 3 实验
1 简介
论文题目:Modeling Document-Level Context for Event Detection via Important Context Selection
论文来源:EMNLP 2021
组织机构:俄勒冈大学
论文链接:https://aclanthology.org/2021.emnlp-main.439.pdf
代码链接:
1.1 创新
- 提出一个模型,通过选择句子的重要上下文(不需要对长句子进行截断),使用BERT进行事件检测(序列标注和词分类),性能得到SOTA。
2 方法
模型主要包括两个部分:事件检测预测模型和上下文选择。
2.1 预测模型
将上下文选择模型选择的句子标记为C,按照在文档的位置分为两个子集LC和RC。然后选择的上下文和当前句子表示为文档D′D'D′:
D′=[[CLS],w1LC,w2LC,...,wnLCLC,[SEP],w1,w2,...,wn[SEP],w1RC,w2RC,...,wnRCRC]D'=[[CLS],w_1^{LC},w_2^{LC},...,w_{nLC}^{LC},[SEP],w_1,w_2,...,w_n[SEP],w_1^{RC},w_2^{RC},...,w_{nRC}^{RC}]D′=[[CLS],w1LC,w2LC,...,wnLCLC,[SEP],w1,w2,...,wn[SEP],w1RC,w2RC,...,wnRCRC]
然后通过BERT进行编码,最后进行分类,序列标注和词分类的Loss如下:
2.2 上下文选择
该部分对上下文进行选择,首先使用BERT得到句子SjS_jSj相对于当前句SiS_iSi的编码(拼接起来,使用CLS表示),然后使用LSTM对以前选择的句子进行编码,每个time step输出一个最大概率句子为当前选择的句子(以前未被选择过的句子),直到超过BERT的输出长度(512)结束,公式如下:
2.3 训练
使用REINFORCE algorithm对上下文选择进行训练,其中 Reward包括下面三个部分:
- Task-level Reward RitaskR_i^{task}Ritask: 使用事件检测的指标(F1值、准确率)作为Reward。
- emantics-level Reward RisimR_i^{sim}Risim: 使用当前句子与选择句子的相似性作为Reward,公式如下:
- Discourse-level Reward RidiscR_i^{disc}Ridisc: 使用当前句子与选择句子共有的实体作为Reward,使用Stanford CoreNLP获得实体提及和共指簇,公式如下:
总的Reward为上述三个Reward的和,通过REINFORCE最小化负期望Reward,具体公式如下(B为batch size):
3 实验
实验数据集为ACE 2005和CySecED(300篇文章(30个空间安全类型)),实验结果如下:
消融实验:
提出的上下文选择方法与启发式的选择方法对比:
Case Study:
论文笔记 EMNLP 2021|Modeling Document-Level Context for Event Detection via Important Context Selection相关推荐
- 论文笔记 EMNLP 2021|Uncertain Local-to-Global Networks for Document-Level Event Factuality Identificatio
文章目录 1 简介 1.1 创新 2 方法 3.1 Local Uncertainty Estimation 3.2 Uncertain Information Aggregation 3.3 Rep ...
- 论文笔记 EMNLP 2020|Edge-Enhanced Graph Convolution Networks for Event Detection with Syntactic Relation
文章目录 1 简介 1.1 动机 1.2 创新 2 背景知识 3 方法 4 实验 1 简介 论文题目:Edge-Enhanced Graph Convolution Networks for Even ...
- 论文笔记 EMNLP 2021|Treasures Outside Contexts: Improving Event Detection via Global Statistics
文章目录 1 简介 1.1 动机 1.2 创新 2 方法 2.1 语义特征提取器 2.2 统计特征提取器 3 实验 1 简介 论文题目:Treasures Outside Contexts: Impr ...
- 论文笔记 EMNLP 2021|Lifelong Event Detection with Knowledge Transfer
文章目录 1 简介 1.1 创新 2 方法 2.1 baseline 2.2 新旧事件类型的知识迁移 3 实验 1 简介 论文题目:Lifelong Event Detection with Know ...
- 【论文精读】COLING 2022-KiPT: Knowledge-injected Prompt Tuning for Event Detection
[论文精读]COLING 2022-KiPT: Knowledge-injected Prompt Tuning for Event Detection [论文原文]:KiPT: Knowledge- ...
- 论文笔记 EMNLP 2018|Collective Event Detection via a Hierarchical and Bias Tagging Networks with Gated
文章目录 1 简介 1.1 创新 2 背景知识 3 方法 4 实验 1 简介 论文题目:Collective Event Detection via a Hierarchical and Bias T ...
- 论文笔记 ACL 2021|Low-resource Event Detection with Ontology Embedding
文章目录 1 简介 1.2 创新 2 方法 2.1 Event Detection (Ontology Population) 2.2 Event Ontology Learning 2.3 Even ...
- 【论文笔记】Tube Convolutional Neural Network (T-CNN) for Action Detection in Videos
这篇论文提出了一种称为管道卷积神经网络( tube convolutional neural network,T-CNN) 的结构,它是 Faster R-CNN 从 2D 到 3D 的扩展.该方法先 ...
- (二十六)【2021 WWW】Knowledge-Preserving Incremental Social Event Detection via Heterogeneous GNNs
题目: Knowledge-Preserving Incremental Social Event Detection via Heterogeneous GNNs 中文题目: 基于异构gnn的知识保 ...
最新文章
- python 使用socks5 设置全局代理
- 第四周课程总结及实验报告
- 重磅!2021 高通人工智能应用创新大赛今日开赛
- SCCM2007 R2的部署前准备,SCCM系列之一
- jQuery Easy UI Accordion(可伸缩的面板)包
- 正则匹配承兑的html,正则匹配闭合HTML标签(支持嵌套)
- 20150217 IMX257实现GPIO-IRQ中断按键驱动程序
- 面试—每日一题(3)
- windows找不到文件gpedit.msc_u盘插入电脑在windows却找不到u盘的解决办法【详解】...
- 怎么在ASP.NET 2.0中使用Membership (转载)
- Navicat for Mysql 如何备份数据库
- es做mysql二级索引_用Elasticsearch实现HBase二级索引
- 计算机添加pdf打印机驱动,给win7系统电脑安装PDF虚拟打印机的详细教程
- Authentication—身份验证流程
- android心率曲线绘制,巧妙绘制心率曲线图的方法实践
- 计算机技术在材料物理专业的应用,东北大学材料物理专业要学哪些课程,好学吗?...
- Maven之快速入门
- 【4 于博士Cadence SPB15.7 快速入门视频】建立不规则SOIC封装NE5532
- (https专业版)2018年1月5日高仿互站仿友价T5虚拟交易+实物交易商城-站长交易源码送手机版程序10套模版+首页微信登陆+头部下拉导航...
- BLAM源码解析(三)—— 定时器总揽大局