基于领域嵌入的循环膨胀卷积神经网络评价对象抽取方法

摘要：

在评价对象抽取任务当中,基于循环神经网络的方法具有前向依赖性且未能利用图形处理器(graphics processing u-nit,GPU)并行计算的能力,而基于传统卷积神经网络的方法则存在语义覆盖能力有限的问题.针对所述问题,为充分发挥模型的计算能力以及语义覆盖能力,首次将循环膨胀卷积神经网络应用于该任务,并融入领域嵌入特征,提出了一种基于领域嵌入的循环膨胀卷积神经网络模型(domain embedding iterated dilated convolutions neural network,DE-IDCNN).在评价对象抽取任务数据集L14、R14、R15、R16的实验中,取得的F1值分别为81.85、80.90、72.23、73.26,与基线模型相比取得了两个数据集实验效果的领先.经进一步实验验证,DE-IDCNN模型实现了更高的计算效率以及表现出更好的语义覆盖能力.

关键词：评价对象抽取、领域嵌入、膨胀卷积神经网络

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：南宁学院教授工程项目2021JSGC01

在线出版日期：2022-10-08（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：20-27