これまでの文書レベルのイベント抽出に関する研究は、主に自己回帰的な方法で引数チェーンを構築することに焦点を当てており、一定の成功を収めていますが、学習と推論の両面で効率が悪いという問題があります。これに対し、我々は高速かつ軽量なモデルであるPTPCG（Pruned Tree-based Pseudo Trigger Combination Graph）を提案します。当モデルでは、自動的に選択された疑似トリガーの指導のもとに剪定完全グラフを構築し、新しいイベント引数組み合わせ戦略と非自己回帰的なデコーディングアルゴリズムを設計しています。従来のシステムと比較して、当システムはパラメータ数が19.8%でありながら競争力のある結果を達成し、リソース消費も大幅に低減しており、学習にはわずか3.8%のGPU時間を必要とし、推論速度は最大8.5倍速くなっています。さらに、当モデルはトリガーあり（またはなし）のデータセットに対して優れた互換性を持ち、疑似トリガーはアノテーションされたトリガーの補完としてさらなる改善につながります。コードはhttps://github.com/Spico197/DocEE から入手可能です。