门控机制融合多种特征的中文事件共指消解
事件共指消解是很多自然语言处理任务的基础,旨在识别文本中指代相同真实事件的事件提及.由于中文语法相比英文更复杂,捕获英文文本特征的方法在中文事件共指消解中效果并不明显.为解决文档内中文事件共指,提出了一种门控机制神经网络(Gated Mechanism Neural Network,GMNN).针对中文具有主语省略、结构松散等特点,引入事件基本属性作为符号特征.在此基础上,提出了一种新的门控去噪机制,对符号特征向量进行微调,过滤符号特征中的噪声,提取在特定上下文语境中的有用信息,进而提高共指事件的识别率.在ACE2005中文数据集上进行了实验,结果表明,GMNN的AVG分数提升了2.66,有效地提高了中文事件共指消解的效果.
中文事件共指消解、门控机制、神经网络、预训练语言模型、符号特征
50
TP391(计算技术、计算机技术)
中国博士后科学基金;国防科技大学校科研计划项目
2023-03-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
291-297