无需专家，CLUE用对比学习自动归纳事件类型，标注成本大降！
CLUE: A Contrastive Learning Framework for Unsupervised Event Type Induction and Annotation
📖 AI 总结
该论文提出CLUE框架，旨在解决事件类型归纳中依赖领域专家人工定义事件本体、成本高昂且易受人为偏见影响的问题。CLUE实现了无监督的事件类型归纳、命名与标注一体化流程，其核心贡献包括三方面：设计了一种新颖的联合嵌入表示，可同时表达事件的动词中心视角与语义视角；采用对比损失引导的聚类方法完成事件类型归纳；并支持事件类型的自动命名与优化。实验结果表明该方法有效，代码已开源。这项工作的意义在于，它有望减少事件本体构建对人工标注的依赖，为事件抽取相关任务提供一种更高效、更客观的自动化替代方案。
🔑 关键词速览
| 事件本体 | 定义数据集中事件类型及其关系的结构化框架。 |
| 事件类型归纳 | 从数据中自动识别和归纳出事件类型的过程。 |
| 对比学习 | 一种通过拉近相似样本、推远不相似样本来学习表示的方法。 |
| 联合嵌入表示 | 将事件的动词中心视图和语义视图融合为统一向量表示。 |
| 对比损失引导的聚类 | 利用对比损失优化聚类过程，使同类事件更紧凑。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅