摘要
动机近年来，针对文本事件抽取的神经网络方法主要聚焦于通用领域中的扁平化事件，而对嵌套事件与重叠事件的检测研究相对较少。现有系统通常依赖于预先给定的实体，并且严重依赖外部句法分析工具。结果我们提出了一种端到端的神经嵌套事件抽取模型——DeepEventMine，该模型能够从原始句子中直接提取多个重叠的有向无环图（DAG）结构。在双向编码器表示模型（BERT）的基础上，我们的模型无需任何外部句法工具，即可端到端地识别嵌套实体与事件触发词、角色、嵌套事件及其修饰关系。在七个生物医学嵌套事件抽取任务上，DeepEventMine 模型取得了新的最先进性能。即使在缺乏标注实体（gold entities）的情况下，该模型仍能从原始文本中有效检测事件，展现出令人满意的性能表现。可用性与实现用于复现本研究结果的代码与模型已公开发布，获取地址为：https://github.com/aistairc/DeepEventMine。