基于双向门控循环神经网络的事件论元抽取方法
事件抽取是构建知识图谱的关键前置任务之一,而事件论元抽取是事件抽取的子任务,对事件抽取质量有显著影响.针对现有的流水线式事件抽取方法在论元抽取时忽略了触发词和论元间、论元和论元间相互关系导致抽取质量低的问题,该文提出了一种基于双向门控循环神经网络(Bi-GRU)的事件论元抽取方法.该方法融合Bert词向量、词性特征、词位置特征和触发词类型特征作为输入,采用Bi-GRU网络对文本中的词进行编码,进而应用改进的多注意力机制为句子不同部分分配权重提取句子级别特征,最后通过全连接层实现论元识别和角色分类.在基准数据集上进行了实验验证,结果表明论元识别和角色分类任务的F1-score值分别达到了69.2%和61.6%,优于现有方法.
注意力机制;事件抽取;循环神经网络;词嵌入
51
TP183(自动化基础理论)
国家自然科学基金61872186
2022-01-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
100-107