一种基于事件共现前缀的事件论元抽取方法

1.一种基于事件共现前缀的事件论元抽取方法，其特征在于，包括：构建BART-Large模型；所述BART-Large模型包括：12个编码器和12个解码器；所述编码器包括：同现-自我注意层；所述解码器包括：同现-交叉注意层；所述BART-Large模型的复制机制包括：其中，p gen (y i ＝t|y＜i,x i, ...x m )为传统生成模型生成结果时对当前结果的预测； 为控制生成模型生成结果的概率，通过所述BART-Large模型中最后一个所述解码器的隐藏状态计算获取；[x 1 ,...,x m ]为输入令牌向量； 为直接复制输入的概率，通过所述BART-Large模型中最后一个所述解码器中的交叉注意权重计算获取；λ为超参数；向所述编码器中输入文本、事件提及以及提示，并提取所述事件提及和所述提示的中间键和中间向量，得到编码中间键和编码中间向量；对所述文本中所有事件类型对应的模板进行拼接，利用模板编码单元对拼接的结果进行编码，得到T-occur向量表示；相邻所述模板间通过特殊字符<point>进行分割；引入超参数可调节Info-Q，将所述T-occur向量表示和所述可调节Info-Q输入到前馈网络中进行计算，得到INF ooccur ，并将所述INF ooccur 以前缀方式分别与所述编码中间键和所述编码中间向量进行拼接；利用所述模板编码单元对所述文本进行编码，得到第二向量表示；引入静态Info-Q，将所述第二向量表示和所述静态Info-Q输入到前馈网络中进行计算，网络输出；计算所述网络输出与拼接完成的所述编码中间键和所述编码中间向量的乘积，并对乘积结果进行平均操作，得到向量Info ext ；提取所述解码器中解码中间键和解码中间向量的乘积结果，得到注意力权重；将所述向量Info ext 作为偏置与所述注意力权重进行相加，得到注意力信息；将所述注意力信息输入到所述BART-Large模型的事件论元抽取模块，得到目标论元抽取结果。 2.根据权利要求1所述的一种基于事件共现前缀的事件论元抽取方法，其特征在于，所述提示包括：基础模板、事件触发器以及事件类型描述。 3.根据权利要求1所述的一种基于事件共现前缀的事件论元抽取方法，其特征在于，所述静态Info-Q为64。