歷史最全事件抽取任務分類、經典論文、模型及資料集整理分享

歷史最全事件抽取任務分類、經典論文、模型及資料集整理分享

事件抽取技術是從非結構化資訊中抽取出使用者感興趣的事件,並以結構化呈現給使用者。事件抽取任務可分解為4個子任務: 觸發詞識別、事件型別分類、論元識別和角色分類任務。其中,觸發詞識別和事件型別分類可合併成事件識別任務。事件識別判斷句子中的每個單詞歸屬的事件型別,是一個基於單詞的多分類任務。論元識別和角色分類可合併成論元角色分類任務。角色分類任務則是一個基於詞對的多分類任務,判斷句子中任意一對觸發詞和實體之間的角色關係。

本資源對近年來事件抽取方法總結,包括中文事件抽取、開放域事件抽取、事件資料生成、跨語言事件抽取、小樣本事件抽取、零樣本事件抽取等型別,DMCNN、FramNet、DLRNN、DBRNN、GCN、DAG-GRU、JMEE、PLMEE等方法。

資源整理自網路,資源獲取見源地址:

https://github。com/xiaoqian19940510/Event-Extraction

目錄

歷史最全事件抽取任務分類、經典論文、模型及資料集整理分享

論文列表

歷史最全事件抽取任務分類、經典論文、模型及資料集整理分享

歷史最全事件抽取任務分類、經典論文、模型及資料集整理分享

歷史最全事件抽取任務分類、經典論文、模型及資料集整理分享