一种基于提示学习的用于事件抽取领域的多模板选择系统

1.一种基于提示学习的用于事件抽取领域的多模板选择系统，其特征在于，包括：上下文编码模块，用于通过词元连接提及事件、关键字以及目标事件类型，得到系统输入，并将所述系统输入送入预设的BART模型的编码器中进行编码，得到编码表示；扩展事件类型挖掘模块，用于利用信息融合函数度量事件类型挖掘矩阵与所述编码表示之间的相关性，将所述相关性和所述BART模型的输出进行相乘，得到所有事件类型的适应表示，对所述适应表示和所述事件类型挖掘矩阵进行融合和归一化操作，得到归一化匹配分数，对所述归一化匹配分数进行降序排序，若第二所述归一化匹配分数大于预定阈值，则确定第二所述归一化匹配分数对应的扩展模版为事件类型模板；上下文解码模块，用于为所述扩展模版添加一个前缀，得到最终模版，并将所述最终模版输入到所述BART模型的解码器中进行解码，得到生成文本；所述前缀与可能出现的事件相关；训练模块，用于提取所述提及事件的跨度，利用所述跨度替换所述编码表示中的标记占位符，并对所述BART模型进行训练；推理模块，用于为每一条预测数据列举所有事件类型，连接对应于所述事件类型的触发词的候选列表并将连接结果馈送到所述BART模型中进行文本生成，提取所述BART模型的输出结果的触发器和参数，若所述触发器和所述参数在所述提及事件中具有对应的匹配，则选择所述触发器和所述参数对应的所述生成文本为最终事件提取结果。 2.根据权利要求1所述的一种基于提示学习的用于事件抽取领域的多模板选择系统，其特征在于，还包括：提示模板，用于提取所述提及事件的角色语义信息，并将所述角色语义信息作为所述编码表示的角色占位符。