通过统一生成训练框架的可扩展跨域事件提取系统

事件提取是信息提取的基础。先前的方法通常将事件检测和参数提取分开，或者依赖于特定于数据集的设计，限制了可扩展性和跨域泛化。我们提出了一个统一的生成序列到序列框架，该框架联合执行事件提取子任务并支持管道和端到端配置。我们在跨不同领域的多个事件数据集上微调预训练的语言模型，使单个模型能够保留特定领域的语义，同时泛化大型且不断发展的标签空间。我们通过为研究人员和从业人员量身定制的基于网络的应用程序展示了这些功能。该平台支持文档上传、模式感知事件提取、触发器和参数的可视化以及跨域不同提取配置的比较。