基于篇章信息和Bi-GRU的中文事件检测
事件抽取是信息抽取中一个重要的研究方向,其中事件检测是事件抽取的关键.目前,中文神经网络事件检测方法均是基于句子的方法,这种方法获得的局部上下文的信息不足以解决事件触发词的歧义性.针对这个问题,文中探索了篇章信息的作用.首先,以双向门控循环单元网络(Bidirectional Gated Recurrent Units,Bi-GRU)模型为基线,定义 3 个窗口来学习句子特征;然后,将句子表示进行拼接,利用双向门控循环单元网络学习句子的上下文特征;最后,将句子表示和上下文表示进行融合,以丰富句子的语义信息,并减少候选触发词语义模糊现象,通过 Softmax函数进行事件触发词的分类.在 ACE2005 数据集上的实验结果表明,句子的上下文特征能够有效提升中文事件检测方法的性能,该中文事件检测方法的 F1 值比当前最好的模型高 1 .5%.
事件抽取、事件检测、篇章信息、双向门控循环单元网络、ACE2005
47
TP391(计算技术、计算机技术)
国家自然科学基金青年科学基金;江苏省高校自然科学研究基金
2020-12-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
233-238