一种单分类器联合多任务网络的隐式句间关系分析方法

摘要：

[目的]提出一种单分类器联合多任务网络的隐式句间关系分析方法,即基于单分类器的多任务学习模型进行中文隐式句间关系识别.[方法]多任务学习方法通过对隐式句间关系和显式句间关系进行联合建模而获得更好的结果;而单分类器是通过将四分类问题转换为二分类问题进行训练而获取结果.[结果]基于哈尔滨工业大学的中文篇章级语义关系语料库,在扩展关系和并列关系的语料中F1值分别达到0.94和0.81,在4种句间关系的F1值上均取得显著提升.[局限]模型效果还可进一步提升,数据集分布不够均衡且有待扩充.[结论]在哈尔滨工业大学的中文篇章级语义关系语料库上,所提方法取得了超过业界已知最佳结果的性能,同时也验证了删除连接词会给训练集增加噪声并影响性能.

关键词：单分类器;多任务网络;隐式句间关系

所属期刊栏目：5

分类号：TP391;G250(计算技术、计算机技术)

资助基金：国家重点研发计划2018AAA0103203

在线出版日期：2022-02-16（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：80-88