基于BERT-BiLSTM-Attention混合模型的事件抽取方法

事件抽取是信息抽取领域中的一项基本任务,旨在从非结构化文本中将结构化信息提取出来.现有基于机器阅读理解模型的事件抽取方法大多数直接对输入文本进行触发词识别检测与分类,在一定程度上忽视了由判断输入文本是否为事件而带来的预测误差,因此,提出一种基于BERT-BiLSTM-Attention混合模型的事件抽取方法.该方法用基于BERT的机器阅读理解模型为基本框架,采用多轮问答的方式,在现有机器阅读理解模型的基础上添加事件分类检测模块,使得模型能够减少预测误差,采用BiLSTM模型与注意力机制相结合组成历史会话信息模块,更有效地将重要信息筛选出来并融合到阅读理解模型中去.在公开数据集ACE2005上进行事件抽取实验,结果表明,准确率、召回率和F1值较基础模型分别提升7.8个百分点、4.6个百分点和5.4个百分点,具有一定的优势.