BGCN:基于BERT和图卷积网络的触发词检测

摘要：

触发词检测是事件抽取的一项基本任务,该任务涉及对触发词进行识别和分类.目前,已有工作主要存在两方面的问题:1)用于触发词检测的神经网络模型只考虑了句子的顺序表示,且通过顺序建模的方法在捕捉长距离依赖关系时效率较低;2)基于表示的方法虽然解决了手动提取特征的问题,但用作初始训练特征的词向量对句子的表示程度有所欠缺,难以捕捉深层的双向表征.因此,文中提出了一种基于BERT模型和GCN网络的触发词检测模型BGCN,该模型通过引入BERT词向量来强化特征表示,并引入句法结构来捕捉长距离依赖,对事件触发词进行检测.实验结果表明,所提方法在ACE2005数据集上的表现优于其他现有的神经网络模型.

关键词：BERT;双向LSTM;图卷积网络;序列标注;事件触发词

所属期刊栏目：48

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;信息系统工程重点实验室开放基金

在线出版日期：2021-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：292-298