10.3969/j.issn.1003-0077.2018.06.012
面向事件抽取的深度与主动联合学习方法
事件抽取旨在从非结构化的文本中抽取出事件的信息,并以结构化的形式予以呈现.监督学习作为基础的事件抽取方法往往受制于训练语料规模小、类别分布不平衡和质量参差不齐的问题.同时,传统基于特征工程的事件抽取方法往往会产生错误传递的问题,且特征工程较为复杂.为此,该文提出了一种联合深度学习和主动学习的事件抽取方法.该方法将RNN模型对触发词分类的置信度融入在主动学习的查询函数中,以此在主动学习过程中提高语料标注效率,进而提高实验的最终性能.实验结果显示,这一联合学习方法能够辅助事件抽取性能的提升,但也显示,联合模式仍有较高的提升空间,有待进一步思考和探索.
事件抽取、深度学习、主动学习、循环神经网络
32
TP391(计算技术、计算机技术)
国家自然科学基金61373097,61672367,61672368;江苏省科技计划BK20151222;教育部—中国移动基金MCM20150602
2018-08-15(万方平台首次上网日期,不代表论文的发表时间)
共9页
98-106