事件抽取技术是从非结构化信息中抽取出用户感兴趣的事件，并以结构化呈现给用户。事件抽取任务可分解为4个子任务: 触发词识别、事件类型分类、论元识别和角色分类任务。其中，触发词识别和事件类型分类可合并成事件识别任务。事件识别判断句子中的每个单词归属的事件类型，是一个基于单词的多分类任务。论元识别和角色分类可合并成论元角色分类任务。角色分类任务则是一个基于词对的多分类任务，判断句子中任意一对触发词和实体之间的角色关系。

本资源对近年来事件抽取方法总结，包括中文事件抽取、开放域事件抽取、事件数据生成、跨语言事件抽取、小样本事件抽取、零样本事件抽取等类型，DMCNN、FramNet、DLRNN、DBRNN、GCN、DAG-GRU、JMEE、PLMEE等方法。

资源整理自网络，资源获取见源地址：

https://github.com/xiaoqian19940510/Event-Extraction

目录

论文列表

往期精品内容推荐

没有项目经验，可以拿这个练手

2020年至今-NN SLAM各领域必读的最新研究论文整理分享

谷歌云系统构建新书-《构建、实现和维护稳定且安全云系统的最佳方案》免费分享

MIT-IBM AI 实验室模型可视化工具-exBERT

知识图谱（KG）存储、可视化、公开数据集、图计算、图编程工具分享

2020年最新深度学习模型、策略整理及实现汇总分享

零样本或少样本相关论文、数据集、代码、资源整理分享

11月新书-《强化学习：算法与理论》分享