融合多级语义特征的双通道GAN事件检测方法

摘要：

目前事件检测方法往往将句中事件视为独立个体,忽视了句子或文档内事件间的相关关系,且某些触发词在不同语境下可能触发不同事件,而多种语境下训练的词向量会引入与当前语境无语义关联的噪声.针对此问题,本文提出一种融合多级语义特征的双通道GAN事件检测方法,使用多级门限注意力机制获取句子级和文档级事件间的语义相关性,并利用双通道GAN及其自调节学习能力减轻噪声信息的影响,进而提高事件特征表示的准确性.在公开数据ACE2005英文语料上进行实验,F1值达到了77％,结果表明该方法能够有效获取事件间的语义相关性,并提高语境判定的准确性.

关键词：语义相关性、噪声、多级门限注意力、双通道GAN

所属期刊栏目：41

分类号：TP183(自动化基础理论)

资助基金：国家“十二五”科技支撑计划项目;北京理工大学基础研究基金项目;国家“二四二”信息安全计划项目

在线出版日期：2021-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：295-302