イベント抽出は、非構造化テキストからトリガーワードと引数を識別し分類することを目的とした複雑な自然言語処理タスクです。トリガーワードと引数の多義性は、イベント抽出の正確性に影響を与える重要な課題の一つです。既存の手法は通常、トリガーワードと引数の多義的な意味が均等に分布していると考えています。しかし、実際の応用場面では、同一トリガーワードや引数内で異なる意味のサンプル数に差異があり、意味の分布に偏りが生じています。この偏りはイベントの正確な抽出に対し、低頻度の意味の見落としと高頻度の意味の誤判定という二つの課題をもたらします。これらの課題を解決するために、報酬と罰則のメカニズムを採用し、多義的なトリガーワードと引数の意味分布をバランスさせる適応的な意味学習法を提案します。報酬と罰則のメカニズムは、正しい分類には報酬を与え、誤った分類には罰則を与えることで、高頻度意味と低頻度意味の差異を縮小し、一方で目標意味と非目標意味間の差異を拡大して意味分布を均衡させます。さらに、文レベルのイベントコンテキスト認識メカニズムを提案し、エンコーダが文中で言及されたイベント知識を正確に学習するよう導き、多義的なトリガーワードと引数に対する正確なイベント意味の予測強化を行います。最後に、異なるタスクの多様な意味に対して特定タスク用の意味デコーダを提案し、該当意味に対する予測されたトリガーワードと引数の境界を正確に識別します。ACE2005およびその変種、さらにEREベンチマークでの実験結果は、本手法が単一タスクおよびマルチタスクの全てのイベント抽出ベースラインを上回ることを示しています。

イベント抽出;多義的トリガーワード;多義的引数;意味不均衡;報酬・罰則メカニズム