摘要
文档级事件抽取旨在从整篇文章中识别事件信息。现有方法在解决此任务时效果不佳，主要面临两大挑战：a) 目标事件参数分散在多个句子中；b) 文档中各事件之间的关联性难以建模。本文提出了一种基于异构图的交互模型与跟踪器（Heterogeneous Graph-based Interaction Model with a Tracker, GIT）来应对上述两个挑战。针对第一个挑战，GIT 构建了一个异构图交互网络，以捕捉不同句子和实体提及之间的全局交互。对于第二个挑战，GIT 引入了跟踪器模块，用于追踪已提取的事件，从而捕捉事件间的相互依赖关系。在大规模数据集（Zheng 等，2019）上的实验表明，GIT 的性能比先前的方法提高了 2.8 个 F1 分值。进一步分析显示，GIT 在抽取文档中分散的多个相关事件及其参数方面表现出色。我们的代码可在 https://github.com/RunxinXu/GIT 获取。