事件是一种重要的知识，近年来，越来越多的工作关注于从开放域或领域文本中抽取结构化事件知识。同时，除了本身就很困难的事件抽取任务之外，近年来，越来越多的研究者开始关注于事件的推理工作中。以下给出由复旦大学知识工厂给出的上下系列综述论文“事件抽取及推理”。欢迎相关研究人员下载学习。

CCKS2019-任务5 引言 目前，PDF已成为电子文档发行和数字化信息传播的一个标准，其广泛的学术界的交流以及各类公告的发行。如何从非结构化的PDF文档中抽取结构化数据是知识图谱领域所面临的的一大挑战。此处利用Adobe公司开发的Acrobat DC SDK对PDF进行格式转换，从半结构化的中间文件进行信息转移。引用现有的开源PDF解析方法，Acrobat导出的中间文件保存了更完整在CCKS 2019年公众公司公告评论中，我们的方法获得总成绩第三名。在本次评估中，我们将公告文件（PDF）格式）转换成XML。对于任务一，我们通过查找表标签，获取PDF中所有的表格；然后根据表格的一部分，确定其

DoTAT: A Domain-oriented Text Annotation Tool East China University of Science and Technology - NLP [华东理工大学-自然语言处理与大数据挖掘实验室] Attention 该工具已于2020年获得软件著作权，证书号：软着登字第5885316号，如需二次开发使用则要在项目中着重标明来源ECUST-NLP！ Notification 在线试用版网站（a live demo website）： An administrator account: Username:ecust Password:ecustlab301 A typical annotation process using DoTAT may include the following five steps: (1) Defi

详细说明位于 zip 文件中的自述文件中。 Github：https://github.com/nlpcl-lab/bert-event-extraction

基于法律裁判文书的事件撤除及其应用 简介 针对交通肇事案件的裁判文书进行事件要素移除，并在此基础上加入决策结果预测，案件相似度匹配等应用场景。 数据来源： 分词：基于pkuseg 词性标注：基于哈工大LTP / pkuseg 命名实体识别：基于BiLSTM-CRF 应用部分：包括判决结果的预测，案件相似度的比较等