ECSR框架

2.1% F1 提升

提出基于上下文摘要与推理的文档级事件论元抽取框架，通过生成任务相关补充信息，缓解关键特征遗忘和跨事件论元混淆，在少样本场景下也有显著提升。

双锴 · Ji, Zhou · Qiwei, Wang · Bing, Qian · Yunhao, Wei · Guo, Jinyu

Expert Systems with Applications 2025

参数信息

F1分数提升

2.1 %

F1分数提升

2.4 %

平均F1分数提升

11 %

技术优势

抑制关键特征遗忘

生成摘要信息，压缩掉大量冗余的非关键事件上下文，使模型专注于关键特征。

少样本下也能用

在少样本EAE任务中同样取得有前景的结果，平均F1达11%。

应用场景

• 文档级事件论元抽取：从长文档中准确抽取事件论元，减少冗余上下文干扰。
• 少样本事件抽取：在标注样本稀缺时构建事件抽取系统，降低标注成本。
• 大语言模型推理增强：利用大模型生成补充信息为下游模型提供显式推理线索。