使用bert/gpt2/albert/xlm/roberta等预训练语言模型在ace2005上进行事件抽取任务。 代码在nlpcl-lab / bert-event-extraction框架上修改，使用pytorch 的transformer和crf模型替换了原项目的模型构建部分。 模型整体采用序列标注的方式，未使用任何辅助信息。 先用crf做触发词识别，再根据触发词识别结果再用crf进行论元识别，预训练模型选用xlm-roberta-large时，trigger-f1=0.72; argument-f1=0.45。argument提升了0.05。
A concept and obvious expression pattern collection of Chinese compound event extraction which then be evolved into ComplexEventGraph，本项目提出了中文复合事件的概念与显式模式，包括条件事件、因果事件、顺承事件、反转事件等事件抽取，并形成事理图谱。
本文提出了DyGIE++模型，通过对捕获了局部信息（句内）和全局信息（跨句）的text spans进行枚举、精炼、打分，可以处理命名实体识别（NER）、关系抽取（RE）和事件抽取（EE）共3种信息抽取（IE）任务。 在4个数据集上进行实验，本文的模型在3种信息抽取任务上均实现了state-of-the-art。 作者进行了实验对比了不同的构建span表示的方法，和上下文相关的方法例如BERT，捕获了同一句子或相邻句子中的实体关系，表现较好。
CCKS2019面向金融领域的事件主体抽取
科大讯飞2020事件抽取挑战赛第一名解决方案&完整事件抽取系统
中文复合事件抽取，能识别文本的模式，包括条件事件、顺承事件、反转事件等，可以用于文本逻辑性分析。
双bert（金融+通用bert）用于事件检测和事件要素抽取
此项目完成了关于 NLP-Beginner：自然语言处理入门练习 的所有任务，所有代码都经过测试,可以正常运行。
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
基于Pytorch和torchtext的自然语言处理深度学习框架，包含序列标注、文本分类、句子关系、文本生成、结构分析、五大功能模块，已实现了命名实体识别、中文分词、词性标注、语义角色标注、情感分析、关系抽取、语言模型、文本相似度、文本蕴含、依存句法分析、词向量训练、聊天机器人、机器翻译、文本摘要等功能。框架功能丰富，开箱可用，极易上手！基本都是学习他人实现然后自己修改融合到框架中，没有细致调参，且有不少Bug～
Entity and Relation Extraction Based on TensorFlow and BERT. 基于TensorFlow和BERT的管道式实体及关系抽取，2019语言与智能技术竞赛信息抽取任务解决方案。Schema based Knowledge Extraction, SKE 2019
