事件抽取

关系抽取的输出形如 (中兴通讯, 客户, 中国联通)，结构干净，但缺一个维度：这条三元组是什么时候成真的。同一对公司，2013 年的材料里写着「合作伙伴」，2015 年的新闻里写着「客户」。两条三元组同时放进图谱，图谱本身没有机制告诉你哪条在前，更不会告诉你「先成为客户、后变成合作伙伴」意味着什么。事件抽取要补的就是这个洞。

一、事件比关系多了什么

事件（event）的定义是：发生在特定时间点或时间段、特定地域范围内，由一个或多个角色参与的一个或多个动作组成的状态的改变。事件抽取（event extraction）则是从自然语言文本中抽取出用户感兴趣的事件，并以结构化形式呈现出来：什么人、什么组织，在什么时间、什么地点，做了什么事。

关系抽取盯着两个实体之间的语义关系，事件抽取盯着一个动作或状态改变，它的锚点不是实体对，而是一个词。ACE 评测里的经典例句可以说明这件事：

Barry Diller on Wednesday quit as chief of Vivendi Universal Entertainment.

触发词是 quit，标注出的事件类型是 Personnel/End-Position（人事／离职）。围绕这个词可以列出四组论元：Barry Diller／Person、Vivendi Universal Entertainment／Organization、Chief／Position、Wednesday (2003-03-04)／Time-within。这四组论元加上触发词，构成一个事件的最小完整形态。两类抽取的差别不在粒度，而在结构。

用一句话概括这个差别：关系抽取给图谱加上静态的边，事件抽取给图谱加上带时间戳、带参与者名单的动作节点，后者才能支撑「后来呢」这类追问。

事件抽取的两个子任务组

事件抽取拆下来是两个子任务组。

围绕这两个子任务组有四个基础术语：事件提及（Event Mention）指描述事件的那句话；事件触发词（Event Trigger）指标记事件类型的词汇；事件元素（Event Argument，也叫论元）指事件的参与者；事件角色（Event Role）指元素在事件句中扮演的角色。

二、事件图谱与事理图谱

事件知识比实体知识多出一层表达能力。实体知识那一栏是「刘备、关羽、张飞、桃树、酒」，事件知识那一栏写的是「东汉末年，刘备、关羽、张飞在桃园三结义」。后者多出来的不只是时间地点，而是动作本身成了可检索的单位。

事件图谱的定义是：包含事件、事件属性、事件间关联关系的，以事件为基本单位的知识网络。「基本单位」这四个字是关键，它和以实体为基本单位的知识图谱是两套骨架。

再往下一层是事理图谱（Event Evolutionary Graph, EEG）：描述事件之间顺承、因果关系的事理演化逻辑有向有环图，节点表示抽象、泛化的事件，有向边表示事件之间的顺承与因果。它本质上是一个事理逻辑知识库。两者容易混淆，对比表如下。

组织形式的相同与知识属性的相反，是这张表里最值得注意的两格。知识图谱里 A 是 B 的父亲、B 是 C 的父亲，不会有人期望 C 又变成 A 的父亲；但「货币超发」这类场景画出来的，就是一张环状事理图谱。事件可以转圈，实体的父子关系不行。

三、标注体系与数据集

把事件抽取的评测历史摊开看一遍，能理清「为什么 ACE 成了事实标准」。

ACE 的「填模板」思路是整套方法论的起点：事件类型先定义好，每个类型有固定角色槽位，抽取就是往槽里填。

中文这边要重点看 DuEE，全称 baiDu Event Extraction dataset，被称为「业界已知规模最大的中文事件抽取数据集」，来自 2020 年语言与智能技术竞赛，论文是 DuEE: A Large-scale Dataset for Chinese Event Extraction in Real-world Scenarios，NLPCC 2020。

把「事件类型数」和「事件数」并排看，比只看总量有用。ACE 2005 用 33 个类型摊 2.5K 个事件，平均每类不到 80 个。这就是事件抽取特别吃数据、也特别容易过拟合到头部类型的原因。

四、方法脉络：从模板到联合模型

方法大致分四类：基于模板和规则（定义语义框架和短语模式，表示特定领域事件的抽取模式）、基于机器学习（当作传统分类任务做，依赖依存分析、句法分析、词性标注等工具）、基于深度学习（分 Pipeline 与 Joint Model 两条）、基于知识库（利用外部资源做远程监督标注）。

Pipeline 把四个子任务串成流水线：触发词识别 → 触发词分类 → 元素识别 → 元素角色分类。Joint Model 想把这四步放进一个模型里一起做，它的优势可以收成三条：

• 避免误差累积传播导致模型性能下降
• 用一个模型同时抽取所有事件信息
• 用从整体结构中学到的全局特征，提升对局部信息的预测能力

DMCNN：为什么需要句子级特征

两个句子就能说明这件事：S1: Obama beats McCain. 是 Elect 事件，S2: Tyson beats his opponent. 是 Attack 事件。同样是 beats，事件类型不同，光看词本身不够。

DMCNN 的句子级特征有三类：

Dynamic Multi-Pooling 则针对池化方式：传统 max pooling 对整个 feature map 做一次 max，dynamic pooling 把每个 feature map 按候选元素和触发词的位置切成三块再分别取 max，让三区的特征不互相淹没。

JRNN：把角色依赖记进记忆里

JRNN 的预测阶段是这一系列方法里结构最完整的设计。它为触发词建记忆向量 $G_i^T$、为事件元素建二元记忆矩阵 $G_i^E$，用来编码 trigger labels 与 argument roles 之间的依赖，两者初始都置 0，在预测过程中不断更新。

迭代过程是：对当前词 $w_i$ 做 Trigger Prediction，再针对它给每个实体做 Argument Role Prediction，每轮用上一轮的结果更新记忆，没命中的位置置为 "other"。这个做法的实质，是把「哪个角色跟着哪个触发词出现」当成可学习的结构先验，而不是靠流水线在模型外部硬拼。

知识库线：用 FrameNet 扩训练数据

FrameNet 是语言学家定义的语义框架资源：一个 Frame 描述事件、关系或实体的类型及其参与者，同时也是词法数据库，含一千多个框架、一万多个词法单元（Lexical Unit, LU），层级里 LU 对应 Trigger、FEs 对应 Arguments。

这条路线的方法分四步：用 ACE 语料训一个基础事件检测模型；用它给 FrameNet 的句子做初始判断；基于三条软约束假设（Same frame same event、Related frame same event、Same LU same event）用 PSL（Probabilistic Soft Logic，概率软逻辑）做全局推断；最后用扩充后的数据重训，扩展 ACE 训练集。

论元识别 F1 从 69.1 提到 70.7。这个数字的重点不在涨幅本身，而在召回率上有 8.7 个点的提升：补召回正是扩数据这类做法的典型收益。

五、难点

这些坑散在各个环节里，没有集中在同一处。

触发词歧义

beats 就是最小例子，同一个词在 Elect 和 Attack 两种类型下都是触发词。DMCNN 加句子级特征、加动态多池化，本质都是在给「同一个词的不同事件类型」提供区分信号。

候选事件组合爆炸

一个关键事实：不同实体组合、或其中任何一个实体的内容改变，都会形成新的候选事件，导致候选事件数量呈指数级增长；但实际公告文档里一篇包含的事件不会超过 5 个。理论空间爆炸，真实分布极稀疏，这是设计任何方案的前提，直接做「候选事件二分类」必然被负例淹没。

论元跨句与上下文

工程答案是上下文嵌入：把上下文信息编码进句子向量之后，模型性能最高提升 14.1 个百分点，最少也提升 4.8 个百分点，整体提升 6.7 个百分点。

事件关系：顺承与因果

顺承关系指两个事件在时间上先后发生的偏序关系，英语体系里又称时序关系。顺承事件对之间存在介于 0 到 1 之间的转移概率，例子是「吃过午饭后，小明到前台买单，然后离开了餐馆。」

因果关系在满足顺承时序约束的基础上强调前因后果，因果关系是顺承关系的子集，因果事件对之间存在介于 0 到 1 之间的因果强度值，例子是「核泄漏引起了严重的海洋污染。」

顺承是因果的超集，这一条在工程上很好用：因果识别可以只在顺承候选对上做，省掉一大截标注。

中文的特殊问题

中文事件抽取走字粒度，事件元素抽取用 BERT + CRF 以字符为单位做序列标注。金融领域的系统本身就是这个答案，理由也直接：中文触发词跨词边界的情况多，先分词再标注会引入额外误差。

六、金融领域的落地：一份完整的工程答案

金融领域的事件抽取系统实现里，每个抽象概念都对应到了具体模块。系统分五块：数据采集、知识库构建、数据标注、模型训练与评估、在线服务。抽取目标是五种上市公司公告事件：股权质押、回购、冻结、增持和减持。

事件本体

事件本体是知识库的骨架，构建遵循三条原则：一致性、可扩展性、最小编码偏差。本体里的角色分核心角色与非核心角色，核心角色表示构成一个事件所必须的信息，缺任意一个核心角色都无法构成一个完整的事件。

知识库构建：Fonduer 的三个阶段

知识库构建用 Fonduer，结合机器学习、弱监督学习、规则和词典，从公告文档中抽结构化事件。整个流程分三个阶段。

这套做法还改进了远程监督的对齐方式：用定向链接把抽出的知识再回标到原文形成训练语料，拿高置信度的结果反过来当弱标注。

抽取模型

抽取模型基于 Joint Model，由事件元素抽取和事件类型检测两部分组成，共享输入层和 BERT 层，用超参数 $\lambda$ 调节两个任务的损失在整体损失中的比重。

规模与在线服务

五种事件类型合计 31748 篇文档、46960 个结构化事件，分布如下。

在线服务用 Django 搭建，支持批量发送金融公告 PDF。下面这段 JSON 是系统返回结果的抽取整理：

{
  "doc_id": "SZ001696_2013-07-12",
  "events": {
    "EquityRepurchase": [
      {
        "key_sen_id": 5,
        "key_sentence": "截止2013年7月11日，公司回购股数量为23752504股，占公司总股本的比例为2.09%，成交的最高价为5.28元/股，最低价为4.40元/股。",
        "event_roles": {
          "CompanyName": "重庆宗申动力机械股份有限公司",
          "HighestTradingPrice": "5.28元",
          "LowestTradingPrice": "4.40元",
          "RepurchasedShares": "23752504股"
        }
      }
    ]
  }
}

key_sentence 按上下文标点拼接成一行；ClosingDate、RepurchaseAmount 两个字段存在，但取值无法辨认，此处省略未补。

七、事理图谱怎么造出来、用在哪

构建流水线

数据清洗 → NLP 预处理 → 事件抽取和泛化 → 生成候选事件对；然后分三支：顺承关系识别、顺承方向识别、因果关系识别；再接转移概率计算。

因果对的抽取走规则法：用因果触发词构造填充模板做正则匹配，得到 cause 和 effect 子句，模板形如 (+) (导致|引起|造成) (+) (下跌|上涨)；再对两个子句分词、词性标注、做词性过滤，取动词、名词、形容词构成的句子主干作为最终的 cause 和 effect。实例有「中兴通讯利润下滑引发股价大跌」「双汇并购史密斯菲尔德消息使得双汇发展股价大涨」。

财经新闻里的因果有两种形态：显式因果（带关联词），如「塑化剂事件导致白酒股大跌」；隐式因果（无关联词），如「百度 Q2 财报：净利同比增 82.9%，股价盘后上涨 7%」。除因果之外还有大量顺承关系，如「停牌了近半个月的科大讯飞（002230.SZ）复牌，股价开盘即涨停」。

产出规模

数据来自腾讯、网易、和讯等网站的财经新闻文本，以及人民日报、中国青年报等开放领域新闻文本。关键技术含事件抽取、事件间顺承和因果关系识别、事件转移概率计算、事件类别识别和事件要素提取。

形态上有三种：「看电影」场景下的链状、「结婚」场景下的树状、「货币超发」场景下的环状。

应用与前沿

应用场景有三类：智能对话系统（对话中出现事件 A 时，回复里可提及 A 的前提或后继事件）、消费意图识别与推荐系统（「去旅行」「爬山」这类消费意图显著事件能触发一系列后续消费事件）、常识推理。

研究前沿有两条。统计脚本学习关注事件链条抽取、事件预测和事件间转移概率建模，经常用一个十分抽象的动词或依存关系表示事件。事件间时序因果关系识别关注如何识别两个事件之间的时序、因果关系及关系方向。

八、评测与工程建议

指标这块没有单独开一节的通行讲解，但可以反推出几条判断。

别只看整体 F1

金融系统那张对比表里，五类事件的 F1 跨度很大：最高的股权回购（With-Context）到 87.0，最低的股权增持只有 54.8。只看 Micro 66.7 会误判系统的可用性。

分阶段看指标

DMCNN 和 JRNN 的触发词分类 F1 是 69.1 / 69.3，几乎打平；论元角色 F1 是 53.5 / 55.4，拉开 1.9 个点。论元角色才是瓶颈，因为它依赖触发词已经判对。

核心角色缺失等于事件不存在

拿不到 EquityHolder 和 Pledgee，就不该算作抽对了的股权质押事件，哪怕其他非核心角色全对。这条口径需要在评测前定下来，否则指标会虚高。

正负例极度不均衡是设计前提

候选事件指数级增长，而真实事件一篇文档不超过 5 个。这不是数据异常，是任务本身的分布特征，采样策略、损失函数和阈值都要围绕它设计。

工程顺序上的几条建议

• 先把事件本体定死。 核心角色是哪几个、类型和值域是什么，比选模型重要得多，后面所有标注、过滤、评测口径都挂在这上面。
• 数据不够就走知识库线。 ACE 2005 每类不到 80 个事件，FrameNet 那条路线（外部语义框架资源 + PSL 全局推断）扩的正是召回。
• 中文走字粒度。 按字符做序列标注，避免分词误差叠加到触发词与论元边界上。
• 不必急着上大模型。 经典方法在 46960 个结构化事件的规模上已经跑通，而且可解释、能定位错误、能算置信度。在有三万篇标注文档的垂直领域，把这条基线打满更划算。
• 服务层要解耦。 用 Django 把模型包成服务、支持批量 PDF 输入，这一步是「抽取模型」变成「事件知识库」的必经环节。

九、小结

事件抽取的价值在于它补上了知识图谱缺失的时间维度与动作维度。代价是链条变长、标注变贵、评测变复杂：四个子任务串起来，任何一步出错都会传到最终结果，而核心角色的缺失又会让整个事件实例失去意义。

落到工程上，判断顺序是：先定事件本体，再定标注与评测口径，最后才选模型。顺序反过来，通常会得到一批指标看着不错、但无法用于下游查询的事件实例。