融合上下文依赖和句子语义的事件线索检测研究

摘要：

事件线索检测旨在从自由文本中自动抽取触发事件的词或短语.现有的英文事件线索检测方法依赖于特征提取工具,这样会造成错误传递,而且忽略了待测词与上下文的依赖关系和句子的语义信息,这些信息对事件线索检测是很有帮助的.提出一种神经网络方法,利用双向长短时记忆网络(bidirectional long short-term memory,Bi-LSTM)抓取待测词在句子中的上下文依赖,同时使用门控循环神经网络(gated recurrent neural network,GRNN)学习句子的语义表示,融合这两种信息来提高事件线索词的识别能力.在KBP 2015评测语料上的实验结果显示,该方法是有效的,并且性能比baseline方法有显著提高.

关键词：事件线索检测、神经网络、长短时记忆网络(LSTM)

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos.61672368,61373097,61672367,61272259

在线出版日期：2018-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：423-431