BOX事件关系提取模型 (BERE): 提升事件关系一致性的解决方案

现有的事件关系抽取 (ERE) 框架将多个事件之间的关系提取视为多类分类任务，无法保证不同关系类型之间的一致性。例如，同一文档中不同事件之间的关系可能存在不符合逻辑的情况。

为了解决这个问题，构建了一个 BOX 事件关系提取 (BERE) 模型。BERE 模型使用 BOX 来表示一个事件综合体，即一个事件对应一个 BOX。通过设计强制执行逻辑约束，使得预测同一文档中不同事件之间的关系具有对称性与传递性。

例如，假设有一个文档描述了两个事件：事件 A 表示'小明吃了一顿丰盛的晚餐'，事件 B 表示'小明感到饱了'。ERE 框架可能会将这两个事件的关系分类为'吃饭导致饱'的关系。然而，这种分类可能存在问题，因为吃饭不一定导致饱，饱也不一定是由吃饭引起的。

在 BERE 模型中，通过使用 BOX 来表示事件综合体，可以更准确地描述事件之间的关系。例如，可以将事件 A 和事件 B 分别表示为一个 BOX，然后通过设计强制执行的逻辑约束，保证预测的关系具有对称性（即如果事件 A 导致事件 B，则事件 B 也导致事件 A）和传递性（即如果事件 A 导致事件 B，事件 B 导致事件 C，则事件 A 也导致事件 C）。这样可以更准确地抽取出事件之间的关系，避免不符合逻辑的情况。