10.3778/j.issn.1002-8331.2004-0146
基于BILSTM-CRF的高校政策语义角色标注研究
采用融合自注意力机制的双向长短期记忆模型(SelfAtt-BILSTM)和条件随机场模型(CRF),构建一种Self-Att-BILSTM-CRF模型,对政策文本进行语义角色标注,以提取政策主要内容.采用某高校政策文件为实验数据集,利用BILSTM模型自动学习序列化语句上下文特征,融合自注意力机制增加重要特征元素的权重,通过CRF层利用特征进行序列标注,提取语义角色,以实现政策文件的主要内容挖掘.经过对比验证,该模型能够有效地提取政策文本内容,在标注数据集上F1值达到78.99%.实验结果同时表明,自注意力机制能够有效提高神经网络模型的语义角色标注效果.
双向长短期记忆网络、条件随机场、自注意力机制、语义角色标注、深度学习
57
TP391.1(计算技术、计算机技术)
2017年山东省高校人文社会科学研究计划思想政治教育专题研究;青岛市哲学社会科学规划;山东科技大学2018年研究生科技创新项目
2021-03-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
207-211