基于神经网络的复句判定及其关系识别研究

摘要：

复句是自然语言的基本单位之一,复句的判定及其语义关系的识别,对于句法解析、篇章理解等都有着非常重要的作用.基于神经网络模型识别自然语料中的复句,判断其复句关系,构造复句判定和复句关系识别联合模型,以最大程度地减少误差传递.在复句判定任务中通过Bi-LSTM获得上下文语义信息,采用注意力机制捕获句内跨距离搭配信息,利用CNN捕获句子局部信息.在复句关系识别任务中,使用Bert增强句子的语义表示,运用Tree-LSTM对句法结构和成分标记进行建模.在CAMR中文语料上的实验结果表明,基于注意力机制的复句判定模型F1值达到91.7％,基于Tree-LSTM的复句关系识别模型F1值达到69.15％.在联合模型中,2项任务的F1值分别达到92.15％和66.25％,说明联合学习能够使不同任务获得更多特征,从而提高模型性能.

关键词：复句判定;神经网络;复句关系识别;联合模型;语义建模

所属期刊栏目：47

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金"汉语抽象意义表示关键技术研究";江苏省高校哲学社会科学基金"面向机器学习的汉语复句语料库建设研究"

在线出版日期：2021-11-18（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：54-61