Key points are not available for this paper at this time.
L'extraction d'arguments d'événements au niveau documentaire est une tâche cruciale pour aider à comprendre les informations sur les événements. Les méthodes existantes ignorent principalement les différentes difficultés d'extraction des arguments, et le manque de planification des tâches affecte significativement les capacités d'extraction et de raisonnement du modèle. Dans cet article, nous analysons de manière innovante la difficulté des arguments et proposons un nouveau cadre de raisonnement allant du facile au difficile, visant à utiliser les informations des arguments simples pour aider à l'extraction d'arguments difficiles d'une manière similaire à celle d'un humain. Plus précisément, notre cadre se compose de trois modules principaux : tri, raisonnement et extraction. Le module de tri classe d'abord les rôles des arguments en fonction du contexte actuel et planifie le chemin de raisonnement du facile au difficile. Ensuite, le module de raisonnement effectue un raisonnement d'information basé sur le chemin de raisonnement pour aider à capturer les informations des arguments difficiles. Enfin, le module d'extraction utilise les informations de raisonnement pour compléter l'extraction des arguments. Les résultats expérimentaux sur les ensembles de données RAMS et WikiEvents montrent les grands avantages de notre approche proposée. En particulier, nous obtenons de nouvelles performances de pointe (SOTA) dans plusieurs scénarios.
Li et al. (Mon,) ont étudié cette question.