基于门控卷积网络的篇章级事件可信度识别方法

摘要：

事件可信度表示文本中事件的真实程度,描述了事件是否是一个事实,或是一种可能性,又或者是一种不可能的情况.事件可信度识别是问答系统、篇章理解等诸多相关任务的重要基础.目前,事件可信度识别的研究基本上还停留在句子级,很少涉及篇章级.因此,文中提出了一个基于门控卷积网络的篇章级事件可信度识别方法DEFI(Document-level Event Factuality Identification).该方法首先使用门控卷积网络从句子和句法路径中抽取篇章中事件的语义和句法信息,然后通过自注意力(Self-Attention)层获取每个序列相对于自身更重要的整体信息的特征表示,从而识别出篇章级事件可信度.在中英文语料上的实验显示,与基准系统相比,DEFI的宏平均F1值和微平均F1值均得到了提高,其中在中英文语料上宏平均F1值分别提高了2.3％和4.4％,微平均F1值分别提升了2.0％和2.8％;同时,所提方法在训练速度上也提升了3倍.

关键词：篇章理解、事件可信度识别、门控卷积

所属期刊栏目：47

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金61836007,61772354,61773276

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5页

页码：206-210