基于多任务深度学习的实体和事件联合抽取模型

[目的]利用命名实体识别与事件检测任务之间的相关性,同时提升命名实体识别和事件检测模型的性能.[方法]提出基于多任务学习的实体和事件联合抽取模型MDL-J3E,该模型分为共享层、私有层和解码层.其中,共享层生成通用特征;私有层由命名实体识别部分和事件检测部分组成,在通用特征的基础上分别提取两个子任务的私有特征;解码层将子任务的特征解码输出为符合约束规则的标签序列.[结果]在ACE2005数据集上开展实证研究,所提模型在命名实体识别任务上的F1值为84.15％,在事件检测任务上的F1值为70.96％.[局限]未将多任务模型应用到更多的信息抽取场景中.[结论]与单任务模型相比,多任务模型在命名实体识别任务和事件检测任务中具有更好的效果.