Page 234 - 《爆炸与冲击》2026年第5期

第 46 卷 王继民，等： 意外爆炸毁伤知识图谱研究 第 5 期

Input layer

火 星 引 爆 了 空 气 中 的 粉 尘 ， 爆 炸 产 生 了 火 焰 烧 毁

Encode layer RoBERTa

GlobalPointer layer GlobalPointer

Event extraction 火 星 引 爆 了 空 气 中 的 粉 尘 ， 爆 炸 产 生 了 火 焰 烧 毁
layer
Explosion source Explosion Damage element
source
Explosion source Explosion
source Damage element
(Detonation event, explosion source, dust)
Output layer (Explosion event, damage element, flame)
(Explosion event, explosion source, dust)
图 2 RoBERTa-GPointer 模型结构
Fig. 2 Structure of RoBERTa-GPointer

（ 2 ） 编 码 层 。 采 用 中 文 预 训 练 模 型 R o B E R T a [ 1 4 ] 作 为 编 码 层 ， 输 入 为 Q i n p u t ， 然 后 经 过 1 2 层
Transformer 后得到最终的向量表示{h , h , ···, h }。编码具体计算公式：
2
1
n
(2)
h 0 = E i + E p + E s
h α = Trans(h α−1 ) α ∈ [1,12] (3)
式中：h 为初始的向量，E 、E 和 p E 分别表示输入的词嵌入、位置嵌入以及段嵌入向量； h 为输入序列
0
s
α
i
Q t 经过 α 层 Transformer 编码后的向量。
inpu
（3）GlobalPointer 层 [15] 。将输出层学习到的字符向量按其在序列中的次序两两拼接，得到 token-pair
的向量表示，并构建多头 token-pair 关系矩阵，用于处理事件抽取中触发词和论元的重叠问题。
（4）事件抽取层。用于进一步实现事件抽取，包括触发词识别和分类、事件元素检测和识别论元角
色事件信息。
（5）输出层。为事件抽取层解码后的结果，得到模型抽取的触发词、事件类型、论元和论元角色等
信息，将其转为（事件类型、论元角色、论元）的三元组形式，便于之后意外爆炸毁伤知识图谱的构建。
在事件抽取任务中，事件分类和事件元素分类为多目标分类任务，损失函数为：
( ) ( )
∑ ∑
L = lg 1+ e −s j +lg 1+ e s i (4)
j∈A i∈B
式中：A 是正类别集合，B 是负类别集合，s 为类别 i 的得分。
i
1.4 事件共指融合
常出现同一意外爆炸事件被多篇报告描述的情况，为避免信息冗余，并构建更加完整、一致的事件
信息库，需要对抽取出的事件进行共指融合，主要包括基于语义语法相似度的实体对齐和意外爆炸事件
共指融合。
1.4.1 基于语义语法相似度的实体对齐
实体对齐 [16] 是事件共指融合的基础。首先利用 BERT（bidirectional encoder representations from
transformers）模型得到实体在句中的向量表示，计算实体之间的余弦相似度，进而得到两实体的语义相似

051444-5