在金融领域,事件抽取是一项十分重要的任务,也是自然语言处理领域一项比较复杂的任务,而小样本下的事件抽取模型在落地应用中也极为需要。本任务需要从金融领域新闻资讯句子中,抽取事件知识(包括事件类型、触发词和事件元素),并将大样本下训练的模型跨类迁移到小样本的其他事件类型上。
其中,事件类型分为两类,初始事件类型限定为:质押、股份股权转让、投资、起诉和减持,需要迁移的事件类型为:收购、担保、中标、签署合同和判决,每个事件类型都有其对应的事件框架,需要抽取出每个事件对应的事件元素 。即给出一段句子级新闻资讯文本,针对该文本需要判断其所属的事件类型,抽取该事件的各个事件元素。
基于MRC的事件抽取方法,具体步骤如下:
1)事件模板:构建事件模板
2)事件检测:识别事件所属的类别,是基于BERT的文本多分类问题
3)事件论元抽取:根据事件类型所对应的模板,抽取对应的要素,是基于BERT的阅读理解问题
刚刚,A公司发布情报通告,称已于2019年10月28日向广州知识产权法院就B公司涉嫌滥用市场支配地位等相关事宜提起诉讼,并于2019年11月4日得到受理。
事件类型:起诉
触发词:诉讼
原告(公司):A公司
被告(公司):B公司
起诉日期:2019年10月28日