ACL2021 论文 OntoED: Low-resource Event Detection with Ontology Embedding，提出一种方法解决事件抽取任务中的low-resource问题，通过事件-事件之间的关系构建事件本体及其embedding，将原本的分类问题（一个事件对应一个类别标签，各个事件之间没有关系）转换成相似度问题（一个事件对应一个embedding），事件embedding可以通过事件之间的关系来学习，采用的形式是映射矩阵，即一个事件embedding可以通过关系矩映射到和它相关的另一个事件embedding，每种关系对应一个映射矩阵。从事件本体的角度看，low-resource事件的问题被规避掉了，转而变成事件之间的关系是否足够丰富，只要事件之间的关系足够丰富，就可以学到质量不错的embedding，即使是low-resource事件，他们的embedding也能包含足够的信息。值得一提的是一个事件的embedding初始化，是由数据集中对应该事件的所有instance的编码信息完成的，一般是instance的句子输入到BERT得到的CLS token representation，再对取平均，即事件embedding中的信息本质上还是来自文本。换句话说，low-resource事件相关的语料很少，但是和它相关的其他事件的语料很多，通过事件之间的关系，把部分信息转移给low-resource事件。