基于伪触发词感知的剪枝完全图实现高效的文档级事件抽取

大多数先前的文档级事件抽取研究主要集中在以自回归方式构建论元链，虽然取得了一定的成功，但在训练和推理方面效率较低。与以往的研究不同，我们提出了一种快速且轻量级的模型，命名为PTPCG。在我们的模型中，我们设计了一种新颖的事件论元组合策略，并通过剪枝完全图（pruned complete graphs）实现非自回归解码算法，这些图是在自动选择的伪触发词（pseudo triggers）指导下构建的。与之前的系统相比，我们的系统仅使用了19.8%的参数量，资源消耗显著降低，训练所需GPU时间仅为3.8%，推理速度最高可提升8.5倍。此外，我们的模型对包含（或不包含）触发词的数据集表现出优异的兼容性，伪触发词可以作为注释触发词的补充，进一步提高性能。代码已发布在https://github.com/Spico197/DocEE 。