分层注意力机制

论元抽取SOTA

通过分层聚合四类事件信息，避免输入混叠导致的注意力损伤，提升事件论元抽取的模型表现。

Kangtong, Li · 双锴 · Guo, Jinyu

Engineering Applications of Artificial Intelligence 2026

参数信息

论元分类F1提升

1.7 %

论元分类F1提升

1.9 %

技术优势

明确区分输入类型

将输入信息按来源和知识层级分为四类，避免模型将它们混淆。

按序聚合信息

从基本要素到整体任务视角逐步聚合信息，使模型建立系统化的理解。

性能提升显著

在ACE05和WikiEvents上分别比之前最优方法提高1.7%和1.9%的论元分类F1值。

应用场景

• 信息抽取：提升事件论元抽取精度，用于构建高质量知识库。
• 事件抽取：直接优化事件论元分类，适用于自动事件图谱构建。
• 自然语言处理：作为NLP中信息抽取任务的新基线，推动相关研究。