论文标题：A multi-view heterogeneous and extractive graph attention network for evidential document-level event factuality identification

期刊：Frontiers of Computer Science

作者：Zhong QIAN, Peifeng LI, Qiaoming ZHU, Guodong ZHOU

发表时间：10 Jun 2024

DOI：10.1007/s11704-024-3809-6

微信链接：点击此处阅读微信文章

引用格式：

Zhong QIAN, Peifeng LI, Qiaoming ZHU, Guodong ZHOU. A multi-view heterogeneous and extractive graph attention network for evidential document-level event factuality identification. Front. Comput. Sci., 2025, 19(6): 196319

阅读原文：

问题概述

证据性篇章级事件事实性识别（EvDEFI）的目标是预测事件的真实程度并从篇章中抽取正确的证据句。先前研究依赖于特定的标注文本，缺乏可解释性，或者使用了粗粒度模型。本文提供了一种名为HEGAT的基于多粒度和多视图的图注意力的新模型。

技术步骤

本文提出的异构抽取式图注意力网络模型HEGAT考虑了证据性篇章级事件事实性识别在词汇级、句子级、篇章级等多个层次的多粒度和多视图融合。此外，HEGAT模型集成了词汇级特征，包括词性、命名实体、不确定和否定线索词，并设计了句内文本抽取机制。通过多视图的图注意力，基于词语和词汇级特征，模型可以从局部和全局层面更新事件和句子的状态表示信息。

实验结果

在EB-DEF-v2语料上的实验证明了HEGAT模型优于多个竞争力较强的基准系统，验证了该模型在当前方法上的可解释性。

期刊简介

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办，南京大学支持，SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐B类期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”；两次入选“中国科技期刊卓越行动计划”（一期梯队、二期领军）。

中国学术前沿期刊网

http://journal.hep.com.cn