典型文献
事件抽取综述
文献摘要：
将用户感兴趣的事件从非结构化信息中提取出来,然后以结构化的方式展示给用户,这就是事件抽取.事件抽取在信息收集、信息检索、文档合成、信息问答等方面有着广泛应用.从全局出发,事件抽取算法可以分为基于模式匹配的算法、触发词法、基于本体的算法以及前沿联合模型方法这四类.在研究过程中根据相关需求可使用不同评价方法和数据集,而不同的事件表示方法也与事件抽取研究有一定联系;以任务类型区分,元事件抽取和主题事件抽取是事件抽取的两大基本任务.其中,元事件抽取有基于模式匹配、基于机器学习和基于神经网络这三种方式,而主题事件抽取有基于事件框架和基于本体两种方式.事件抽取研究在中英等单语言上均已取得了优秀成果,而跨语言事件抽取依然面临着许多问题.最后,总结了事件抽取的相关工作并提出未来研究方向,以期为后续研究提供参考.
文献关键词：
事件抽取;事件表示;元事件抽取;主题事件抽取;跨语言事件抽取
中图分类号：
作者姓名：
马春明;李秀红;李哲;王惠茹;杨丹
作者机构：
新疆大学信息科学与工程学院,乌鲁木齐 830046;香港理工大学电子及资讯工程学系,香港 999077
文献出处：
引用格式：
[1]马春明;李秀红;李哲;王惠茹;杨丹-.事件抽取综述)[J].计算机应用,2022(10):2975-2989
A类：
元事件抽取,主题事件抽取,跨语言事件抽取
B类：
感兴趣,非结构化,结构化信息,信息收集,信息检索,文档,问答,模式匹配,匹配的算法,触发词,词法,联合模型,模型方法,四类,研究过程,事件表示,表示方法,任务类型,类型区分,基本任务,基于机器学习,两种方式,单语,优秀成果,了事,未来研究方向
AB值：
0.266118
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
