基于框架的护理活动事件数据集构建

护理活动具有事件语义特性,即包含事件触发词和事件论元。以事件框架为指引,即以动词为触发词,以触发词匹配的动词特征作为事件论元角色,对《护理措施分类(NIC)》第5版的护理活动文本进行事件实例抽取,构建出护理活动事件数据集(NAEV Dataset)。NAEV包含16个护理活动事件类型、13个论元角色、15159个护理活动事件、893种触发词和33406个论元实例。基于文本构建的NAEV数据集存在事件要素重叠特性,为事件抽取任务增加了挑战性。选取事件抽取领域主流的3个模型进行数据集有效性验证。实验结果表明,不同模型在数据集上的性能差异与模型构建原理的差异性一致,这说明NAEV数据集能为事件抽取科研创新提供高质量的数据支持。NAEV数据集能够推动护理领域的事件抽取、事件对齐、事件补全、事件演化等相关研究。

基于图注意力和表指针网络的中文事件抽取方法

现有的中文事件抽取方法存在触发词和论元依赖建模不足的问题,削弱事件内的信息交互,导致论元抽取性能低下,特别是论元角色存在重叠的情况下.对此,文中提出基于图注意力和表指针网络的中文事件抽取方法(Chinese Event Extraction Method Based on Graph Attention and Table Pointer Network,ATCEE).首先,融合预训练字符向量和词性标注向量作为特征输入,并利用双向长短期记忆网络,得到事件文本的强化语义特征.再将字符级建模的依存句法图引入图注意力网络,捕获文本中各组成成分的长距离依赖关系.然后,使用表填充的方法进行特征融合,进一步增强触发词和其对应的所有论元之间的依赖性.最后,将学习得到的表特征输入全连接层和表指针网络层,进行触发词和论元的联合抽取,使用表指针网络对论元边界进行解码,更好地识别长论元实体.实验表明:ATCEE在ACE2005和DuEE1.0这两个中文基准数据集上都有明显的性能提升,并且字符级依存特征和表填充策略在一定程度上可以解决论元角色重叠问题.ATCEE源代码地址如下:https://github.com/event6/ATCEE.

基于BERT的多层标签指针网络事件抽取模型--2020语言与智能技术竞赛事件抽取任务系统报告

事件抽取(event extraction,EE)是指从自然语言文本中抽取事件并识别事件类型和事件元素的技术,是智能风控、智能投研、舆情监测等人工智能应用的重要技术基础。该文提出一种端到端的多标签指针网络事件抽取方法,并将事件检测任务融入到事件元素识别任务中,达到同时抽取事件元素及事件类型的目的。该方法避免了传统管道式方法存在的错误级联和任务割裂问题,同时也解决了事件抽取中存在的角色重叠和元素重叠问题。该文提出的事件抽取方法在2020语言与智能技术竞赛--事件抽取任务测试集上中取得85.9%的F1值。

论个人信息保护中知情同意的边界——以规则与原则的区分为切入点

知情同意是个人信息保护的重要规范,甚至被视为一项基本原则。然而,从规则与原则在体系定位、法律适用及逻辑结构的差别可知,知情同意不是原则而是规则。规则具有“一般—例外”的结构,尽管知情同意存在例外,但无法否认其作为一般规则的功能定位。因此,研究工作应聚焦在事实和规范维度,厘清知情同意的边界。法律事实层面,同意行为是侵权免责事由、个人信息处理合法依据和准法律行为;其表示方式应以明示为原则、默示为例外,且不允许拟制。在法律规范视角下,问题在于如何权衡多元利益来确定知情同意的适用范围。由于现有研究大多采用“价值—规则”的双层理论结构,各种学说因价值基点的分歧而始终莫衷一是。有鉴于此,可使用正当必要、公开透明、信息自主、公域保留以及效率等原则作为重叠共识,形成价值与规则间的中层结构以推动法律议论,并借由原则碰撞来确定知情同意的限定条件和例外情况。

论元结构:认知模型向句法结构投射的中介

论元结构是沟通认知与句法结构的桥梁,是语义和句法的接口。句法结构是认知模型中的概念结构通过语义论元结构向句法结构一层层投射的结果。认知模型框架内形成的范畴关系结构概念化而形成概念结构,其结构关系由关系概念支配,投射到意义形成语义论元结构;语义论元结构受概念结构制约,并由谓词调整和分派论元数目和角色,再投射到句法形成句法论元结构;句法论元结构受语义论元结构和注意突显度的双重制约,语义论元结构决定句法论元的数目,注意突显度决定谓词框架的选择并进而决定论元的语法功能和论元的隐现。