SEBERTNets：面向金融领域的事件实体抽取任务的序列增强型BERT网络

事件抽取是金融领域投资分析与资产管理的核心技术之一，因而受到广泛关注。2019年中国知识图谱与语义计算大会（CCKS）挑战赛设立了面向金融领域的事件实体抽取评测任务。在该任务中，本文主要关注如何准确提取事件实体，并有效召回所有相关事件实体。为此，本文提出一种新型模型——序列增强型BERT网络（简称SEBERTNets），该模型在继承BERT优势的基础上，进一步捕捉序列级语义信息。此外，受推荐系统思想的启发，本文进一步提出混合序列增强型BERT网络（简称HSEBERTNets），采用多通道召回机制，以确保全面召回所有相关事件实体。实验结果表明，在第一阶段评测中，SEBERTNets的F1得分为0.905，HSEBERTNets的F1得分为0.934，充分验证了所提方法的有效性。