一、摘要
为了方便法官更好地了解案情，采用事件抽取技术更快地捕捉案情的“焦点”。本研究提出了一种定义焦点事件的机制，并且能够解决多个事件共享同一论元（arguement）或触发词的问题。
二、在法律背景下应用事件抽取技术的难点
- 事件类型与ACE2005数据集定义的33种事件有很大的不同
- 没有现成的公开可用的数据集
- 在法律文本中，经常会出现多个事件共享事件成员或触发词的现象，具体例子见下图
三、方法
主要以离婚案例为例。
方法主要分为三部分：核心事件类型定义、数据标注、事件抽取。
定义核心事件类型
主要定义了13种事件类型，40种事件参数类型。
数据标注
采用BIO模式进行数据标注。首先对一小部分数据进行预标注，之后在http://brat.nlplab.org/about.html环境中进行标注。
事件抽取
下图展示了事件抽取的步骤。
下面详细解释一下事件抽取的过程。
触发词词典：尽可能多地收集事件触发词，并形成触发词词典。
过滤和分类触发词：首先使用LTP对句子进行分词，之后对每个单独的句子，通过触发词词典来确定其中是否有事件，并且确定触发词。
First Labelling：如上所述，对离婚事件定义了13个事件触发词和40个事件参数。这一步将原来的40个label映射到12个transition label，以减少label种类数和某种label的总数。下面是定义的transition label以及first label操作的架构。
- 预处理：文本分词，分成pad
- 输入：word embedding word2vec
- BiLSTM：组合单词前后的语义信息
- 连接层：
- Word Encoding。通过BiLSTM得到了语义特征。
- POS Encoding。
- 判断单词是不是触发词
- CRF：在label之间传递信息
- 输出：预定义的transition label ID。
Second labelling：这一步与上一步结合，解决了事件参数和触发词共享问题：在上一步中先打上tansition label，这一步中再为其打上前文所述的40个label中的一个，标定单词的具体类型。
- 输入：
- transition labels 和 trigger labels 的 embedding
- 触发词当前是否被关注（0或1）
- 相对于中心触发词的位置的embedding
- CRF：与上一阶段相同
- 输出：预定义的事件参数label
四、实验
数据预处理
数据规模为3100条诉讼材料。
评价指标
其中St为所有触发词和论元的总和，S为预测正确的触发词和论元的总和，Sp为预测为触发词和论元的词语总和。
实验结果
五、存在的问题
- 必须手动标注数据
- 不能自动识别disputed issues