融合对抗学习的因果关系抽取

摘要：

因果关系抽取在事件预测、情景生成、问答以及文本蕴涵等任务上都有重要的应用价值.但多数现有的因果关系抽取方法都需要人工定义模式和约束,且严重依赖知识库.为此,本文利用生成式对抗网络(Generative adversarial networks, GAN) 的对抗学习特性,将带注意力机制的双向门控循环单元神经网络 (Bidirectional gated recurrent units networks, BGRU) 与对抗学习相融合,通过重定义生成模型和判别模型,基本的因果关系抽取网络能够与判别网络形成对抗,进而从因果关系解释信息中获得高区分度的特征.实验结果表明,与当前用于因果关系抽取的方法相比较,该方法表现出更优的抽取效果.

关键词：因果关系抽取、生成式对抗网络、注意力机制、对抗学习

所属期刊栏目：44

在线出版日期：2018-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：811-818