提升事件候选获取以优化事件关联

事件关联将文本中的事件提及与知识库（KB）条目关联，或识别为知识库外事件。尽管现有方法采用不同架构，候选事件获取仍可能因短且模糊的提及、噪声性论元以及检索证据效用不均衡而受限。我们提出MACE（多智能体候选事件获取方法），在关联前优化事件结构。MACE利用专门处理证据的大型语言模型（LLM）智能体获取时间、地点、参与者和事件类型证据，将中间查询暴露给候选事件查找工具，并由协调器在最终候选构造前修订证据集。在两个事件关联基准测试中，将MACE加入不同事件关联模型后，准确率一致提升。结果表明，MACE通过提升候选事件获取质量而改善事件关联，且无需修改事件关联模型。