動機近年のテキストからのイベント抽出に関するニューラルアプローチは、一般ドメインにおける平坦なイベント（flat events）に主眼を置いており、ネスト構造や重複するイベントの検出にはまだ十分な取り組みが行われていない。既存のシステムは事前に与えられたエンティティに依存しており、外部の句構造解析ツール（syntactic tools）に依存しているのが一般的である。成果本研究では、生の文から複数の重複する有向非巡回グラフ（directed acyclic graph）構造を抽出可能なエンドツーエンド型ニューラルネストイベント抽出モデル「DeepEventMine」を提案する。本モデルは、Transformerに基づく双方向エンコーダ表現（Bidirectional Encoder Representations from Transformers, BERT）を基盤とし、構文解析ツールを一切使用せずに、ネスト構造をもつエンティティやトリガー、役割、ネストされたイベントおよびその修飾情報をエンドツーエンドで検出できる。DeepEventMineは、7つのバイオメディカル領域におけるネストイベント抽出タスクにおいて、新たな最良性能（state-of-the-art）を達成した。また、正解エンティティ（gold entities）が利用不可な状況でも、生テキストから有望な性能でイベントを抽出できることが示された。利用可能性と実装本研究の実装コードおよびモデルは、以下のGitHubリポジトリにて公開されている：https://github.com/aistairc/DeepEventMine。