本系列文章主要總結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、事件數(shù)據(jù)生成、跨語言事件抽取、小樣本事件抽取、零樣本事件抽取等。主要包括以下幾大部分：

定義（Define）

綜述（Survey）

模型（Models）

數(shù)據(jù)集（Datasets）

挑戰(zhàn)與展望（Future Research Challenges）

Github地址：https://github.com/xiaoqian19940510/Event-Extraction

任務定義

Closed-domain

Closed-domain事件抽取使用預定義的事件模式從文本中發(fā)現(xiàn)和提取所需的特定類型的事件。事件模式包含多個事件類型及其相應的事件結構。D.Ahn首先提出將ACE事件抽取任務分成四個子任務：觸發(fā)詞檢測、事件/觸發(fā)詞類型識別、事件論元檢測和參數(shù)角色識別。我們使用ACE術語來介紹如下事件結構:

「事件提及」：描述事件的短語或句子，包括觸發(fā)詞和幾個參數(shù)。

「事件觸發(fā)詞」：最清楚地表達事件發(fā)生的主要詞，一般指動詞或名詞。

「事件論元」：一個實體，時間表達式，作為參與者的值和在事件中具有特定角色的屬性。

「論元角色」：論元與它所參與的事件之間的關系

Open domain

在沒有預定義的事件模式的情況下，開放域事件抽取的目的是從文本中檢測事件，在大多數(shù)情況下，還可以通過提取的事件關鍵詞聚類相似的事件。事件關鍵詞指的是那些主要描述事件的詞/短語，有時關鍵詞還進一步分為觸發(fā)器和參數(shù)。

「故事分割」：從新聞中檢測故事的邊界。

「第一個故事檢測」：檢測新聞流中討論新話題的故事。

「話題檢測」：根據(jù)討論的主題將故事分組。

「話題追蹤」：檢測討論先前已知話題的故事。

「故事鏈檢測」：決定兩個故事是否討論同一個主題。

前兩個任務主要關注事件檢測;其余三個任務用于事件集群。雖然這五項任務之間的關系很明顯，但每一項任務都需要一個不同的評價過程，并鼓勵采用不同的方法來解決特定問題。

綜述

元事件抽取研究綜述, 2019[1]

事件抽取是信息抽取領域的一個重要研究方向，在情報收集、知識提取、文檔摘要、知識問答等領域有著廣泛應用。寫了一篇對當前事件抽取領域研究得較多的元事件抽取任務的綜述。

首先，簡要介紹了元事件和元事件抽取的基本概念，以及元事件抽取的主要實現(xiàn)方法。然后，重點闡述了元事件抽取的主要任務，詳細介紹了元事件檢測過程，并對其他相關任務進行了概述。最后,總結了元事件抽取面臨的問題，在此基礎上展望了元事件抽取的發(fā)展趨勢。

An Overview of Event Extraction from Text, 2019[2]

文本挖掘的一個常見應用是事件抽取，它包括推導出與事件相關的特定知識，這些知識重新映射到文本中。事件抽取可處理各種類型的文本，如(在線)新聞消息、博客和手稿。本文獻回顧了用于各種事件抽取目的的文本挖掘技術。它提供了關于如何根據(jù)用戶、可用內容和使用場景選擇特定事件抽取技術的一般指南。

A Survey of Event Extraction from Text, 2019[3]

事件抽取的任務定義、數(shù)據(jù)源和性能評估，還為其解決方案方法提供了分類。在每個解決方案組中，提供了最具代表性的方法的詳細分析，特別是它們的起源、基礎、優(yōu)勢和弱點。最后，對未來的研究方向進行了展望。

A Survey of Textual Event Extraction from Social Networks, 2017[4]

過去的十年中，在社交網絡上挖掘文本內容以抽取相關數(shù)據(jù)和有用的知識已成為無所不在的任務。文本挖掘的一種常見應用是事件抽取，它被認為是一個復雜的任務，分為不同難度的多個子任務。

在本文中，對現(xiàn)有的主要文本挖掘技術進行了概述，這些技術可用于許多不同的事件抽取目標。首先，介紹基于統(tǒng)計模型將數(shù)據(jù)轉換為知識的主要數(shù)據(jù)驅動方法。其次，介紹了基于專家知識的知識驅動方法，通常通過基于模式的方法來抽取知識。然后，介紹結合了數(shù)據(jù)驅動和知識驅動方法的主要現(xiàn)有混合方法。最后，比較社交網絡事件抽取研究，概括了每種提出的方法的主要特征。

A Survey of event extraction methods from text for decision support systems, 2016[5]

事件抽取是一種可以追溯到20世紀80年代的專門的信息抽取流程，由于大數(shù)據(jù)的出現(xiàn)以及文本挖掘和自然語言處理等相關領域的發(fā)展，事件抽取技術得到了極大的普及。然而，到目前為止，對這一特殊領域的概述仍然是難以捉摸的。

因此，總結了文本數(shù)據(jù)的事件抽取技術，劃分成數(shù)據(jù)驅動、知識驅動和混合方法三類，并對這些方法進行了定性評價。此外，還討論了從文本語料庫中抽取事件的常見決策支持應用。最后，對事件抽取系統(tǒng)的評價進行了闡述，并指出了當前的研究問題。

數(shù)據(jù)集

英文數(shù)據(jù)集

ACE2005 English Corpus[6]

ACE 2005多語種訓練語料庫包含了用于2005年自動內容抽取(ACE)技術評價的完整的英語、阿拉伯語和漢語訓練數(shù)據(jù)集。語料庫由語言數(shù)據(jù)聯(lián)盟(LDC)為實體、關系和事件注釋的各種類型的數(shù)據(jù)組成，該聯(lián)盟得到了ACE計劃的支持和LDC的額外幫助。

Rich ERE[7]

Rich ERE擴展了實體、關系和事件本體，并擴展了什么是taggable的概念。Rich ERE還引入了事件跳躍的概念，以解決普遍存在的事件共引用的挑戰(zhàn)，特別是關于在文檔內和文檔之間的事件提及和事件參數(shù)粒度變化，從而為創(chuàng)建(分層的或嵌套的)跨文檔的事件表示鋪平了道路。

TAC2015[8]

TAC KBP事件跟蹤的目標是提取關于事件的信息，以便這些信息適合作為知識庫的輸入。軌跡包括用于檢測和鏈接事件的事件塊任務，以及用于提取屬于同一事件的事件參數(shù)和鏈接參數(shù)的事件參數(shù)(EA)任務。2015年TAC KBP賽事軌跡分為5個子任務

KBP2017[9]

TAC知識庫填充(KBP)的目標是開發(fā)和評估從非結構化文本中填充知識庫的技術。KBP包括為KBP開發(fā)特定組件和功能的組件跟蹤，以及稱為“冷啟動”的端到端KB構建任務，該任務通過在技術成熟時集成選定的組件從頭開始構建KB。與在冷啟動KB任務中執(zhí)行的功能相比，組件跟蹤中所需的功能可以“更多”，也可以“更少”。組件軌道比冷啟動“更多”，因為每個軌道可能探索未立即集成到冷啟動任務中的試點任務; 他們是“少”,將組件集成到一個KB需要額外協(xié)調與和解各個組件之間的不匹配,這樣KB符合知識庫模式(例如,知識庫不能斷言一個實體是一個事件的“地方”如果它還斷言,實體是一個“人”)。

其他的還有，Genia2011 dataset, Spainish ERE Corpus, Wikipedia article, BioNLP Cancer Genetics (CG) Shared Task 2013 等等

中文數(shù)據(jù)集

ACE2005 Chinese Corpus[10]

ACE 2005多語種訓練語料庫包含了用于2005年自動內容抽取(ACE)技術評價的完整的英語、阿拉伯語和漢語訓練數(shù)據(jù)集。語料庫由語言數(shù)據(jù)聯(lián)盟(LDC)為實體、關系和事件注釋的各種類型的數(shù)據(jù)組成，該聯(lián)盟得到了ACE計劃的支持和LDC的額外幫助。

未來展望與挑戰(zhàn)

數(shù)據(jù)層面

領域數(shù)據(jù)難構造，標注成本大

生成標注數(shù)據(jù) or 無標注式事件抽取論元

模型層面

pipeline方式存在錯誤信息的傳遞，如何減小錯誤信息傳遞

論元之間的關聯(lián)關系的有效利用

性能評估層面

無標注數(shù)據(jù)的評價指標設計

責任編輯：xj

原文標題：超全必讀！事件抽取綜述（上）

文章出處：【微信公眾號：深度學習自然語言處理】歡迎添加關注！文章轉載請注明出處。