@inproceedings{Yan-etal-2023-ji
    author = {闫, 婧涛  and  李, 旸  and  王, 素格  and  廖, 健  and  普, 瑞丽  and  潘, 邦泽  and  李, 德玉},
    author = {Jingtao, Yan  and  Yang, Li  and  Suge, Wang  and  Jian, Liao  and  Reili, Pu  and  Bangze, Fan  and  Deyu, Li}
    title = {基于联合学习的语言粒度融合的重叠事件抽取方法(Overlapping Event Extraction Method of Language Granularity Fu-sion Based on Joint Learning)},
    booktitle = {"Findings of the Proceedings of the 22nd China National Conference on Computational Linguistics"},
    month = {"August"},
    year = {"2023"},
    address = {"Harbin, China"},
    publisher = {"Chinese Information Processing Society of China"},
    url = {https://aclanthology.org/2023.findings-ccl-1.4},
    pages = {34--45},
    abstract = {"事件抽取是一项重要的信息抽取任务，旨在从非结构化文本中抽取结构化的事件信息。现有的事件抽取方法大多假设一个句子中仅出现一个事件，未考虑重叠事件，然而，在真实的场景下，重叠事件是不可避免的。因此，该文提出了一种基于联合学习的语言粒度融合的重叠事件抽取方法，该方法利用预训练语言模型孂孅孒孔对句子进行初始表示，再以孴孯孫孥孮数目逐层递增和逐层递减的方式，分别构建包含不同孴孯孫孥孮数目的片段表示，旨在将短文本包含的离散信息传递给长文本，再将长文本包含的抽象化语义信息传递给短文本，建立基于语言粒度融合的句子表示。进一步，使用门控机制，获得融合不同粒度特征和目标事件感知的句子表示。最后，在预测阶段，通过计算句子中词间距离感知得分，并行的预测词间的片段和角色关系，再利用关系标签解码，基于联合学习获得了事件触发词、论元及事件类型和论元角色。在公开的事件抽取数据集孆孥孷孆孃上进行实验，结果表明该文提出的方法对重叠事件的抽取是有效的。"},
    language = "Chinese",
}