开放式中文事件检测研究

摘要：

在中文事件检测任务中,存在着领域互相独立,领域间的数据无法互通,需要分别为每个领域标注大量数据的问题.本文充分借鉴前人的研究,提出一个基于迁移学习的开放式中文事件检测方法.首先基于两个触发词关联假设,一个是同一个事件类型下,触发词与触发词在语义空间上有着一定的关联,且关联性较强.第二个是不同事件类型之间的触发词和触发词之间也存在着一定的关联,不过其关联性弱于相同事件类型下触发词之间的关联性.之后借助外部词典,构建候选词与种子触发词的关系特征以及候选词的上下文特征,再利用卷积神经网络构建事件检测的基础模型和迁移模型.最后对于新领域下的事件检测,只需要借助极少量的已知领域的标注数据即可完成.在ACE2005的中文事件数据集上,该方法在触发词识别这项任务上仅用20％的数据,其效果即可超越当前的主流方法.

关键词：事件检测、迁移学习、触发词、卷积神经网络

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划项目2016QY03D0504

在线出版日期：2020-04-10（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：64-71