人工智能项目实践：利用基于Transformer的预训练模型在ACE2005数据集中执行事件抽取任务.zip

简介：
本项目旨在通过使用基于Transformer架构的预训练模型，在ACE2005数据集上进行事件抽取，以提升信息提取的准确性和效率。 在ace2005数据集上进行事件抽取任务时，使用了BERT、OpenAI-GPT2、ALBERT、XLM、Roberta、XLNet、Ctrl、DistilBert以及TransfoXL等预训练语言模型，并基于nlpcl-lab的bert-event-extraction框架进行了代码修改。在原项目的模型构建部分中，我们用transformers包和CRF模型进行替换。 整个任务采用序列标注的方式完成，未使用任何辅助信息。首先利用crf进行触发词识别，然后根据触发词的结果再通过crf进行论元识别。当预训练模型选择xlm-roberta-large时，trigger-f1得分为0.72；argument-f1得分为0.45，并且在argument部分提升了0.05。