基于结构化知识监督的事件抽取研究

事件抽取(Event Extraction)是信息抽取研究中最具挑战性的任务之一,其主要研究如何从非结构化自然语言文本中抽取出事件的基本信息。事件抽取研究一直是信息抽取领域的热点,研究学者提出了多种事件抽取的方法,并被应用在各种原型系统和研究任务当中。本文在传统事件抽取任务的框架下提出了一个新的任务形式:使用结构化知识库作为远监督来自动标注文本,构造事件抽取数据集,并以此训练相应的事件抽取模型。这样不但可以节省大量的人工标注成本,同时也可以使机器不断抽取新类型的事件。