一种面向生文本的事件同指消解神经网络方法

方 杰,李培峰,朱巧明

(苏州大学 计算机科学与技术学院，江苏 苏州 215006)

0 引言

事件是语义表示的基本单位，描述了在真实世界中发生的事情。同指事件指向了真实世界中的同一个事件，是同一个事件在文档中的不同表现形式。事件同指消解(event coreferecne resolution)用于识别同指事件实例，并将它们聚合形成一个事件链。例1和例2是两个同指事件实例。例1中的触发词“landed”，和例2中的触发词“land”，都指向现实生活中的一个移动(movement)类型的事件，它们被聚合到同一个事件同指链中。事件同指消解在话题探测[1]、信息抽取[2]和问答[3]等领域均有重要作用。

例1ACubanpatrolboatwithfourheavilyarmedmenlandedonAmericanshores.

例2ThesebozosletfourarmedCubanslandonourshores.

相比成熟的实体同指消解，事件同指消解更为复杂。由于事件实例的表示形式非常灵活[4]，因而事件同指消解具有挑战性。根据事件实例是否在同一个文档中，可把事件同指消解划分为两大任务，即文档内事件同指消解以及跨文档事件同指消解。本文主要研究文档内事件同指消解。

目前，事件同指消解存在两个主要问题。第一是面向未标注生文本的事件同指消解方法很少。事件同指消解任务[5]严重依赖于事件抽取[6]。事件抽取用于发现文档中特定类型的事件并对事件进行分类。目前，大部分事件同指消解的研究都建立在事件已知(事件类型已经标记)的基础之上，提出的方法需要利用大量标注信息(如事件类型、子类型、时态、极性等)，这使得这些事件同指消解方法难以真正应用到现实任务中。

再就是早期的研究通常使用基于概率图模型[7]或浅层神经网络模型[8]进行事件的建模，无法高质量获取事件间复杂的语义信息。……