Ereignisextraktion ist eine komplexe Aufgabe der natürlichen Sprachverarbeitung, die darauf abzielt, Trigger-Wörter und Argumente aus unstrukturiertem Text zu identifizieren und zu klassifizieren. Die Mehrdeutigkeit von Trigger-Wörtern und Argumenten ist eine der wichtigsten Herausforderungen, die die Genauigkeit der Ereignisextraktion beeinflussen. Bestehende Methoden gehen meist davon aus, dass verschiedene Bedeutungen in Trigger-Wörtern und Argumenten gleichmäßig verteilt sind. In realen Anwendungsszenarien variiert jedoch die Anzahl der Proben verschiedener Bedeutungen im gleichen Trigger-Wort oder Argument, was zu einer Verzerrung der Bedeutungsverteilung führt. Diese Verzerrung bringt zwei Herausforderungen für eine genaue Ereignisextraktion mit sich: das Übersehen von seltenen Bedeutungen und die Fehlklassifizierung häufiger Bedeutungen. Zur Lösung dieser Herausforderungen wird eine adaptive semantische Lernmethode vorgeschlagen, die mithilfe eines Belohnungs- und Bestrafungsmechanismus die semantische Verteilung der mehrdeutigen Trigger-Wörter und Argumente ausgleicht. Der Belohnungs- und Bestrafungsmechanismus verringert die Unterschiede zwischen häufigen und seltenen Bedeutungen, indem er korrekte Klassifizierungen belohnt und falsche bestraft, und vergrößert gleichzeitig die Lücke zwischen Zielbedeutungen und Nicht-Zielbedeutungen, um die Verteilung auszugleichen. Darüber hinaus wird ein satzbasiertes ereigniskontextuelles Wahrnehmungsmechanismus vorgeschlagen, der den Encoder anleitet, das im Satz erwähnte Ereigniswissen genau zu lernen und somit die genaue semantische Vorhersage mehrdeutiger Trigger-Wörter und Argumente verbessert. Schließlich wird für verschiedene Aufgaben ein aufgabenspezifischer semantischer Decoder vorgeschlagen, der die Grenzen der vorhergesagten Trigger-Wörter und Argumente für die jeweilige Bedeutung präzise erkennt. Experimentelle Ergebnisse auf ACE2005 und dessen Varianten sowie dem ERE-Standard zeigen, dass diese Methode alle Einzel- und Mehrfach-Task-Baselines der Ereignisextraktion übertrifft.

Ereignisextraktion; mehrdeutige Trigger-Wörter; mehrdeutige Argumente; semantische Ungleichgewicht; Belohnungs- und Bestrafungsmechanismus