假设你刚入职一家情报档案馆，领导丢来一摞新闻稿：“三天内，做出一台自动归档机——把稿件里谁、何时、何地、干了什么事，全部整理成一张张事件档案卡。”你第一步不是急着写代码，而是去库房看看有没有人工整理好的“样板档案”可以照着学、照着考。这些样板，就是事件抽取数据集。它们各有各的脾气：老牌的 ACE2005 规矩森严，像一座国立综合档案馆；ERE 是精简后的轻装分馆；中文的 DuEE 更懂中国新闻；应急专馆 CEC 只管灾难；还有小样本精品馆 FewEvent 和维基大集市 MAVEN。选错数据集，等于拿错教材。本文带你逐馆参观，学会看标签、懂规范、算成绩，从此不再为“去哪儿找数据”发愁。

岗位关联

数据集是事件抽取研究的“教材”与“标尺”。学会挑选数据集、读懂标注规范、算清评测指标，是 AI 从业者把事件抽取算法落地到真实业务前的必修课，能帮你省下数周盲目试错的时间。

目录
  1. 可视化演示
  2. 数据集概览
  3. ACE2005 详解
  4. ERE 轻装版
  5. 中文 DuEE
  6. 专馆与集市
  7. 标注规范
  8. 评测基准
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

展示B+树索引的层级结构、查找路径与范围查询过程，切换模式查看核心操作。

本节配有交互动效（进入视口后自动加载，约 3KB）。

B+树结构 蓝色为内部节点，叶子节点通过链表连接，支持高效范围查询 查找复杂度O(log n) B+树所有数据存储在叶子节点，内部节点仅存储索引键

数据集概览

想象你走进一座城市，街角可能同时立着老牌国立档案馆、轻装社区资料室和百年老书店。事件抽取领域也一样，没有一座“万能档案馆”。英文世界有 ACE2005 这样的经典综合馆，也有 MAVEN 这样的互联网大集市；中文世界有 DuEE 和 CEC 这样的本土场馆。你的第一课，就是看懂这张导览图。

表面上看，数据集只是“一堆带标签的文本”，但它的本质是一套标注规范的产物：哪些词算触发词、哪些信息算论元、事件如何分类，全部由规范决定。因此，选数据集其实是在三个维度上做选择：语言匹不匹配、标注粒度够不够、获取成本高不高。

主流数据集可按三条轴划分。按语言：英文有 ACE2005、ERE、MAVEN、FewEvent，中文有 DuEE、CEC；按粒度：有只标触发词触发词：句子中表达事件发生的词，相当于档案卡上的“事件标题”。的 MAVEN，也有触发词+论元全量标注的 ACE2005 与 DuEE；按来源：新闻、百科、应急通报各有各的语言风格。此外，获取成本差异很大，ACE2005 需要向 LDC 付费申请，DuEE 和 CEC 则公开免费。选集三准则：先问语言，再问标签，最后问预算。

D\mathcal{D}（数据集全集）

记住这张“导览图”，接下来我们逐馆参观：先看最经典的 ACE2005，再看轻装的 ERE、中文的 DuEE，最后逛专馆与集市，学会读档与考勤。

D=Dtrain∪Ddev∪Dtest\displaystyle \mathcal{D} = \mathcal{D}_{\text{train}} \cup \mathcal{D}_{\text{dev}} \cup \mathcal{D}_{\text{test}}
数据集通常被切成训练、开发、测试三份，好比实习生的练习册、反复翻看的样卷和锁在保险柜里的正式考卷。
  1. 全集 D整个数据集就是一座档案馆的全部馆藏档案。
  2. 训练集机器照着学习的部分，相当于实习生每天翻阅的练习册。
    Dtrain\mathcal{D}_{\text{train}}
  3. 开发集调参时反复验证效果的样卷，可以来回翻看。
    Ddev\mathcal{D}_{\text{dev}}
  4. 测试集最后公布成绩的正式考卷，训练阶段绝不能“偷看”。
    Dtest\mathcal{D}_{\text{test}}

ACE2005 详解

ACE2005 是事件抽取界的“国立综合档案馆”，由美国 LDC 主持建设，在 2005 年完成，收录英语、汉语、阿拉伯语三种语言的馆藏。凡是发表事件抽取论文的人，几乎都在这座馆里练过兵，它是当之无愧的行业基准。

它的伟大之处不在于数据量大，而在于它第一次把“事件”拆成了可量化的零件：触发词、事件类型、论元角色、事件同指。这套“零件清单”后来成了几乎所有数据集的默认方言，就像普通话成了全国通用的交流工具。

ACE2005 的事件标注包含 8 个大类、33 个小类：Life（生命：生老病死婚）、Movement（移动）、Conflict（冲突：袭击、示威）、Contact（联系）、Personnel（人事）、Justice（司法）、Transaction（交易）、Business（商业）。标注时，标注员先在句子里圈出触发词（通常是动词或名词），再找它的论元并分配角色，例如 Attack 事件有 Attacker（袭击者）、Place（地点）、Time（时间）、Target（目标）等角色，最后把跨句的同一事件合并进一个 hopper（档案夹）。

读懂了 ACE2005 的档案卡，你就掌握了事件抽取的“普通话”。接下来看看它的轻装版 ERE 是怎么做减法的。

E=⟨ ω, τ, {(ρk, ak)}k=1m ⟩\displaystyle E = \langle\, \omega,\ \tau,\ \{(\rho_k,\, a_k)\}_{k=1}^{m} \,\rangle
一个事件可以被形式化地看作“触发词 + 事件类型 + 一组带角色的论元”，就像一张档案卡写着标题、分类号和若干字段。
  1. 触发词 ω句中表达事件发生的动词或名词，如“袭击”“出生”，是整张档案卡的“标题”。
    ω\omega
  2. 事件类型 τ从 33 个子类中选一个作为档案分类号，决定这张卡放进哪个柜子。
    τ∈TypesACE\tau \in \text{Types}_{\text{ACE}}
  3. 角色-论元对每个论元都挂一个角色，像表格里的“字段名：字段值”。
    (ρk, ak)(\rho_k,\, a_k)
  4. 论元集合同一事件的 m 个角色对汇总成完整的档案正文，m 可大可小。
    {(ρk, ak)}k=1m\{(\rho_k,\, a_k)\}_{k=1}^{m}

ERE 轻装版

ERE（Entity and Relation Extraction）是 DARPA 委托 LDC 建的“轻装分馆”。它的口号很直白：别整那么复杂，我们要快速出标。于是标注员扔掉最重的背包，轻装上阵。

ERE 保留了实体、关系、事件三类标注，与 ACE 一脉相承，但大刀阔斧砍掉了 ACE 中最让标注员头疼的 hopper 和嵌套事件提及，不再有“档案套档案”，每个事件就是一张扁平的卡片，标注速度约为 ACE 的三倍，成本大幅下降。

这种“扁平化”设计并没有牺牲核心信息，触发词、事件类型、论元角色一应俱全，足以支撑跨文档信息抽取。ERE 后来被 TAC-KBP 等评测采用，语言覆盖英文与西班牙文。它的成功证明：在资源有限时，砍掉冗余层级、保留核心字段，是一种聪明的工程取舍。

如果你的项目预算紧、上线急，学 ERE 的思路：剪掉层级，留下核心。接下来我们去中文馆 DuEE 看看。

EERE=⟨ ω, τ, {a1,a2,…,am} ⟩,ai=(ρi, si)\displaystyle E_{\text{ERE}} = \langle\, \omega,\ \tau,\ \{a_1, a_2, \dots, a_m\} \,\rangle,\qquad a_i = ( \rho_i,\ s_i)
ERE 的事件同样由触发词和类型统领，但论元被拍扁成一串“角色 + 文本片段”的列表，不再区分复杂的提及层次。
  1. 触发词与类型与 ACE 一致，仍是“标题 + 分类号”的双件套。
    ω, τ\omega,\ \tau
  2. 论元列表直接列出所有论元，不再区分事件提及的嵌套层级。
    {a1,a2,…,am}\{a_1, a_2, \dots, a_m\}
  3. 论元内部结构每个论元只有“角色 ρ 和文本片段 s”两个属性，结构轻盈。
    ai=(ρi, si)a_i = (\rho_i,\ s_i)

中文 DuEE

中文世界最出名的事件抽取档案馆，是百度在 2020 年“语言与智能技术竞赛”中发布的 DuEE，馆藏来自新闻与百科，天然带着“中文互联网”的口语感和时效感。

DuEE 完全是按中文表达习惯从头设计的，不是英文数据集的翻译版。它的 65 种事件类型，从“人生-结婚”到“产品行为-发布”，直接对应中文新闻里真正高频出现的事件；论元角色也不再是 ACE 那套通用角色，而是按事件类别量身定制。

例如地震事件，DuEE 会标注震级、地点、伤亡人数；财经事件则关注涉事企业、金额、时间。这种“类别专属角色”让抽取结果像一张张现成的业务报表，直接喂给下游系统。DuEE 1.0 包含约 1.7 万条句子，公开免费，是中文事件抽取研究的首选起点。

想在中文业务上落地事件抽取，DuEE 是最贴近真实文本的教材。接下来再逛逛三座“小而专”的场馆。

τ∈{c1,c2,…,c65},ρ∈Rc\displaystyle \tau \in \{ c_1, c_2, \dots, c_{65} \},\qquad \rho \in \mathcal{R}_c
DuEE 的事件类型从 65 个中文类别中选取，每个类别的论元角色由该类专属的角色表决定。
  1. 65 类事件τ 只能取 65 个中文类别之一，覆盖民生、财经、司法等。
    c1,c2,…,c65c_1, c_2, \dots, c_{65}
  2. 类别专属角色表每个类别 c 都配有自己的角色集合，如“地震”有震级与伤亡人数。
    Rc\mathcal{R}_c

专馆与集市

除了综合馆，还有三类性格鲜明的场馆：CEC 应急专馆、FewEvent 精品小样馆、MAVEN 维基大集市。它们分别服务应急事件抽取、小样本学习和大规模预训练。

CEC 由上海大学构建，收录约 300 篇文档，只管地震、火灾、交通事故、恐怖袭击、食物中毒 5 类突发事件，标注触发词、论元和领域要素（如震级、伤亡人数），是应急领域研究的小而精基地。FewEvent 从维基百科整理出 7 万+ 事件提及、100 种事件类型，每类只保留少量样本，专为“N 类 K 样本”式的小样本学习评测设计。MAVEN 则是复旦等机构从维基百科自动抽取加人工校验得到的大集市：约 4480 篇文档、11.8 万个触发词、168 种事件类型（取自 FrameNet），规模巨大，但只标触发词，没有论元。

选馆前先问自己：我要当全能档案员，还是应急专岗？要冷启动小样本，还是大语料预训练？选完馆，下一课是搞懂档案到底怎么标。

Tfs={C1,C2,…,CN},∣Si∣=K\displaystyle \mathcal{T}_{\text{fs}} = \{ C_1, C_2, \dots, C_N \},\qquad |S_i| = K
FewEvent 的小样本任务可形式化为：每次从 100 类中抽 N 个类别，每个类别只给 K 个标注样本作为“参考档案”。
  1. N 个类别小样本评测每次抽样 N 个事件类别，比如 5 类。
    C1,C2,…,CNC_1, C_2, \dots, C_N
  2. 每类 K 个样本每个类别的支撑集只保留 K 条标注，模拟真实世界的稀缺标注。
    ∣Si∣=K|S_i| = K

标注规范

档案馆真正的家底，不是楼层多高，而是那本厚厚的《建档手册》——也就是标注规范。它决定了档案卡的每一栏怎么填。

规范的使命是回答四个问题：什么词能当触发词？论元有哪些角色？事件类型如何判定？同一事件多处提及怎么合并？触发词的原则是“选最能体现事件发生的动词或名词，不选修饰语”，比如“恐怖分子昨晚在广场引爆了炸弹”，触发词标“引爆”而不是“昨晚”。论元角色每个数据集都有一张角色表：ACE 用跨类别通用的 Attacker、Place、Time；DuEE 则按类别定制。事件同指方面，ACE 用复杂的 hopper 合并，ERE 则直接省略。

标注质量用一致性来衡量：让两位标注员独立标同一批数据，再看他们意见有多统一。业界通用 Cohen's Kappa 系数，一般认为 κ 大于 0.7 才说明规范足够清晰、标注足够可信。拿到数据集先读“手册”，别急着跑模型——规范里藏着 80% 的坑。

规范读懂了，档案也建好了，最后一课：怎么给自动归档机“月考”。

κ=Po−Pe1−Pe\displaystyle \kappa = \frac{P_o - P_e}{1 - P_e}
Kappa 系数衡量两位标注员的实际一致率在扣除了“瞎猜也能碰上”的成分后还剩多少。
  1. 观测一致率 P_o两位标注员对同一批样本打出一致标签的比例。
    PoP_o
  2. 随机一致率 P_e两人完全随机标注也可能碰巧一致的比率，用来扣除运气成分。
    PeP_e
  3. 归一化处理分子除以最多还能提升的空间，κ=1 代表完全一致，κ=0 代表等于瞎猜。
    κ∈[0,1]\kappa \in [0,1]

评测基准

自动归档机建好了，怎么验收？数据集的测试集就是“月考考卷”，标准答案是人工标注的档案卡，机器交卷后逐项对照打分。事件抽取的标准考法分为两层：触发词识别与分类、论元识别与角色分类。

评分时先数三笔账：TP 是标注里有、系统也找到的；FP 是系统多报的；FN 是系统漏报的。精确率 Precision 回答“报出来的准不准”，召回率 Recall 回答“该抓的漏没漏”，F1 则是两者的调和平均，只有两个都高，F1 才高。匹配口径也很关键：ACE 常用实体级匹配，即论元实体与标准实体的头词一致就算对；角色标错则整条算错——把“时间”标成“地点”和没标一样。

最后提醒：不同数据集的“月考规则”略有差异，报成绩务必注明数据集和匹配口径，否则就是“跨馆比成绩”，毫无意义。

P=TPTP+FP,R=TPTP+FN,F1=2PRP+R\displaystyle P = \frac{TP}{TP+FP},\quad R = \frac{TP}{TP+FN},\quad F_1 = \frac{2PR}{P+R}
F1 是精确率与召回率的调和平均，它同时惩罚“报得多但不准”和“报得准但漏得多”，是事件抽取论文里最常出现的成绩单。
  1. 真阳性 TP标准档案和系统输出都存在的触发词或论元数。
    TPTP
  2. 假阳性 FP 与假阴性 FNFP 是系统多报的“乌龙档案”，FN 是系统漏报的“漏网之鱼”。
    FP, FNFP,\ FN
  3. 精确率 P系统报出的所有结果里，正确结果占多少。
    P=TPTP+FPP = \frac{TP}{TP+FP}
  4. 召回率 R所有该报出的结果里，系统真的报出了多少。
    R=TPTP+FNR = \frac{TP}{TP+FN}
  5. F1 调和平均对 P 和 R 一视同仁，任何一方偏低都会把 F1 拉下来。
    F1=2PRP+RF_1 = \frac{2PR}{P+R}

AI 应用场景

金融舆情事件监控

阶段：数据准备 → 模型训练 → 推理落地

解决的问题：传统金融舆情靠人工盯新闻和公告，每天数百条，漏报频发。用 DuEE 风格的中文事件数据集训练模型，从新闻流中自动抽取“高管变动”“公司起诉”“合同签署”等事件，并结构化输出公司、金额、时间，推送给风控系统。

具体案例：某券商舆情系统每日抓取 2 万条财经新闻，事件抽取模型把“某上市公司宣布中标 5 亿元项目”自动归档为“合同签署”事件，论元含公司名与金额，触发风控复核流程。

突发事件应急响应

阶段：数据采集 → 事件抽取 → 决策辅助

解决的问题：地震、火灾等应急事件早期信息混乱，人工汇总热线与社交平台信息耗时。用 CEC 训练的模型提取“时间-地点-伤亡人数”，为应急指挥提供结构化态势。

具体案例：某省应急平台接入微博文本，自动抽取“XX 地发生 5.1 级地震”，填充震级、经纬度、伤亡人数三个字段生成事件档案卡，供指挥中心大屏展示。

篇章级情报梳理

阶段：信息抽取 → 事件脉络构建

解决的问题：长篇调研报告里，同一事件常被多处提及，人工梳理容易漏。用 ACE2005/ERE 的文档级标注训练事件同指模型，把分散的提及合并成一条完整事件链。

具体案例：某舆情研究机构分析某国政坛变动，系统从 300 篇报道中合并出“总统辞职”事件链：提名 → 选举 → 辞职 → 任命，并自动绘制时间线。

Python 演示

python94 行
# -*- coding: utf-8 -*-"""迷你事件抽取评测：ACE2005 风格小数据集 + 规则抽取 + F1 计算。""" DATA = [    {        "text": "恐怖分子昨天在巴格达引爆了汽车炸弹",        "events": [            {                "type": "Conflict.Attack",                "trigger": "引爆",                "args": {"Attacker": "恐怖分子", "Time": "昨天",                         "Place": "巴格达", "Target": "汽车炸弹"}            }        ]    },    {        "text": "消防员今天在仓库扑灭了大火",        "events": [            {                "type": "Conflict.Attack",                "trigger": "扑灭",                "args": {"Agent": "消防员", "Time": "今天",                         "Place": "仓库", "Target": "大火"}            }        ]    }] TRIGGER_DICT = {"引爆": "Conflict.Attack", "扑灭": "Conflict.Attack"} ROLE_LEXICON = {    "Attacker": ["恐怖分子", "袭击者"],    "Agent": ["消防员"],    "Time": ["昨天", "今天"],    "Place": ["巴格达", "仓库"],    "Target": ["汽车炸弹", "大火"]}  def extract_trigger(text):    hits = []    for word, etype in TRIGGER_DICT.items():        if word in text:            hits.append({"trigger": word, "type": etype})    return hits  def extract_args(text):    args = {}    for role, words in ROLE_LEXICON.items():        for w in words:            if w in text:                args[role] = w    return args  def f1_metrics(tp, fp, fn):    p = tp / (tp + fp) if tp + fp else 0.0    r = tp / (tp + fn) if tp + fn else 0.0    f = 2 * p * r / (p + r) if p + r else 0.0    return p, r, f  def evaluate():    tp = fp = fn = 0    arg_scores = []    for item in DATA:        golds = item["events"]        gold_triggers = {e["trigger"] for e in golds}        preds = extract_trigger(item["text"])        pred_triggers = {p["trigger"] for p in preds}        tp += len(gold_triggers & pred_triggers)        fp += len(pred_triggers - gold_triggers)        fn += len(gold_triggers - pred_triggers)        for g in golds:            if g["trigger"] in pred_triggers:                pa, pb = g["args"], extract_args(item["text"])                ok = len(set(pa.values()) & set(pb.values()))                arg_scores.append(ok / max(len(pa), 1))    return f1_metrics(tp, fp, fn), (sum(arg_scores) / len(arg_scores) if arg_scores else 0)  def main():    (p, r, f), arg_acc = evaluate()    print("触发词级 P=%.2f R=%.2f F1=%.2f" % (p, r, f))    print("论元平均正确率=%.2f" % arg_acc)    for item in DATA:        print(item["text"])        print("  识别触发词:", [x["trigger"] for x in extract_trigger(item["text"])])        print("  识别论元:", extract_args(item["text"]))  if __name__ == "__main__":    main()
目的：用极简规则抽取器在 ACE2005 风格小数据上跑一遍触发词级与论元级评测，演示 P/R/F1 的完整计算过程。
  1. TRIGGER_DICT = {"引爆": "Conflict.Attack", "扑灭": "Conflict.Attack"}这相当于档案馆的“标签贴纸”，词一出现就贴上事件类别。
  2. def extract_trigger(text):规则抽取器：扫描句子，命中触发词词典就输出候选事件。
  3. tp += len(gold_triggers & pred_triggers)预测集与标注集求交集，重叠数量就是“抓对了”的 TP。
  4. p = tp / (tp + fp) if tp + fp else 0.0精确率：报出的所有档案里，有多少是真档案。
  5. r = tp / (tp + fn) if tp + fn else 0.0召回率：该建的档案里，建成了多少。
  6. f = 2 * p * r / (p + r) if p + r else 0.0F1 是两者的调和平均，两个都高它才高。
  7. if __name__ == "__main__":让脚本既能被 import 复用，也能直接命令行运行。

常见误区

误区“训练数据当然越多越好，MAVEN 有十几万触发词，肯定比 ACE2005 那几百篇文档强，直接上 MAVEN 就行。”

正解数据量只是维度之一。MAVEN 只有触发词标签，没有论元和角色，做不了完整的事件抽取；ACE2005 虽然小，但触发词+论元+同指的完整标注可以训练端到端系统。选数据集先看“标签是否覆盖你的任务”，而不是盲目比大小。就像档案馆不是楼层最高就最好，还得看档案分类全不全。

为何常见：深度学习时代“数据为王”的说法给人留下数据越多越好的直觉，忽略了标注质量与任务匹配度。

误区“大家都在 ACE2005 上发论文，说明其他数据集不重要，只研究 ACE2005 就够了。”

正解ACE2005 是历史最悠久、引用最多的基准，但它是英文新闻语料且需付费授权。做中文业务应选 DuEE，做应急事件选 CEC，做小样本选 FewEvent。真正的专家按任务挑馆，而不是只住一家酒店。

为何常见：早期论文高度集中在 ACE 上，形成“权威惯性”，让人误以为它是唯一标准。

误区“DuEE 应该就是 ACE2005 的中文翻译，标注规范直接抄过来就行。”

正解DuEE 是独立设计的中文事件体系，65 类事件、类别专属角色都贴合中文新闻与百科的表达习惯（如“就任”“发布”），而 ACE 里很多英文事件类型在中文语料中并不常见。直接套用英文规范会导致标签体系水土不服。

为何常见：两者都叫“事件抽取数据集”，任务同名让人误以为规范同构。

误区“事件抽取看准确率就行，准确率都 95% 了，说明系统很强。”

正解事件数据极不均衡，绝大多数句子根本没有事件。一个什么都不报的系统，准确率可能高达 95%，但召回率为 0，毫无用处。F1 同时惩罚漏报（FN）和误报（FP），是这一领域的共识考法。

为何常见：日常生活中习惯了“对错比例”式的准确率，没意识到稀疏事件场景下它会被“空答案”刷高。

误区“把 ACE2005 和 DuEE 合并起来一起训练，数据量翻倍，效果肯定更好。”

正解两套数据的事件类型、论元角色、触发词判定口径完全不同（ACE 的 33 类 vs DuEE 的 65 类），合并后同一个标签在不同数据里含义不同，模型会被“两种方言”搞糊涂。评测时也只能各自按各自的规范打分。

为何常见：表面看都是“事件标签”，不读标注手册的人很难察觉背后的规范差异。

面试题

Q1. 下列哪个是中文事件抽取数据集？

单选题 · easy

  • A.ACE2005 英文数据集
  • B.ERE 英文数据集
  • C.DuEE 中文数据集← 正确答案
  • D.MAVEN 英文数据集

答案：C。DuEE 是百度发布的中文事件抽取数据集，馆藏来自新闻和百科；ACE2005、ERE、MAVEN 都是英文数据集。选数据集就像选教材，母语不对，读起来总隔一层。

Q2. ACE2005 覆盖哪三种语言？

单选题 · easy

  • A.英法德三语种
  • B.英中阿三语种← 正确答案
  • C.英日韩三语种
  • D.中英西三语种

答案：B。ACE2005 由 LDC 构建，覆盖英语、汉语、阿拉伯语三种语言，是事件抽取领域的老牌综合档案馆。其他选项的语言组合都不在 ACE2005 的馆藏范围内。

Q3. 下列哪些属于 ACE2005 的八大事件类型？

多选题 · mid

  • A.Conflict 冲突类型← 正确答案
  • B.Justice 司法类型← 正确答案
  • C.Cooking 烹饪类型
  • D.Personnel 人事类型← 正确答案

答案：ABD。ACE2005 的 8 大类是 Life、Movement、Conflict、Contact、Personnel、Justice、Transaction、Business；“烹饪”是凑数的干扰项。记住 8 大类 33 小类，相当于记住档案馆的楼层导览。

Q4. ERE 相比 ACE2005 的主要特点是什么？

单选题 · mid

  • A.覆盖语言更多样
  • B.标注流程更简化← 正确答案
  • C.论元角色更丰富
  • D.只标注实体关系

答案：B。ERE 的精髓是“减法”：去掉 hopper 和嵌套事件提及，用扁平结构换取更快的标注速度和更低成本，因此被 TAC-KBP 等评测采用。

Q5. 事件抽取中的“触发词”是指什么？

单选题 · easy

  • A.事件发生的时间词
  • B.表达事件发生的词← 正确答案
  • C.事件参与的人物词
  • D.事件发生的地点词

答案：B。触发词是句子中最能体现事件发生的词，通常是动词或名词，相当于档案卡上的“事件标题”；时间、人物、地点都属于论元，不是触发词。

Q6. 论元“角色”描述的是什么？

单选题 · easy

  • A.论元在句中位置
  • B.论元在事件里的功能← 正确答案
  • C.标注者的身份信息
  • D.论元的词性标注

答案：B。角色描述论元在事件中承担的功能，如 Attacker（施事者）、Place（地点）、Time（时间）。同一个词在不同事件里可能扮演不同角色，就像同一个人在不同场合有不同身份。

Q7. F1 分数的正确公式是？

单选题 · mid

  • A.精确率与召回率的算术平均
  • B.精确率与召回率的调和平均← 正确答案
  • C.精确率召回率两者之差值
  • D.精确率召回率两者乘积值

答案：B。F1 是精确率与召回率的调和平均，公式为 2PR/(P+R)。它对“报得多但不准”和“报得准但漏得多”都不买账，是事件抽取的通用成绩单。

Q8. 下列哪些数据集包含论元级标注？

多选题 · hard

  • A.ACE2005 数据集标注论元← 正确答案
  • B.DuEE 中文集标注论元← 正确答案
  • C.MAVEN 只标注触发词
  • D.ERE 数据集标注论元← 正确答案

答案：ABD。ACE2005、DuEE、ERE 都标注了论元及角色；MAVEN 是超大触发词库，只标触发词和事件类型，没有论元。做完整事件抽取任务时，别只依赖 MAVEN。

Q9. 评测事件抽取时，为什么常用 F1 而非准确率？

单选题 · hard

  • A.因为准确率计算成本太高
  • B.因为事件正负样本严重不均衡← 正确答案
  • C.因为 F1 公式计算更方便
  • D.因为准确率完全没有意义

答案：B。事件抽取里负样本远多于正样本，一个“什么都不报”的系统准确率也会很高，但毫无用处。F1 同时考虑精确率和召回率，能有效防止被“空答案”刷分，因此成为主流评测指标。

Q10. CEC 语料覆盖哪些突发事件类型？

多选题 · mid

  • A.地震灾害类突发事件← 正确答案
  • B.食物中毒类突发事件← 正确答案
  • C.股票暴跌类突发事件
  • D.交通事故类突发事件← 正确答案

答案：ABD。CEC 由上海大学构建，覆盖地震、火灾、交通事故、恐怖袭击、食物中毒 5 类突发事件，是应急领域的专馆；“股票暴跌”不属于 CEC 的建馆范围。