-
题名基于结构化表示的中文事件同指消解方法
被引量：4
- 1
-
-
作者
宦敏
程昊熠
李培峰
-
机构
苏州大学计算机科学与技术学院
-
出处
《中文信息学报》
CSCD
北大核心
2019年第12期19-27,共9页
-
基金
国家自然科学基金(61836007,61772354,61773276)
-
文摘
事件同指消解是自然语言处理中一个具有挑战性的任务,它在事件抽取、问答系统和阅读理解中具有重要作用。针对事件的语义信息主要由触发词和论元表示这一个特点,该文将事件进行结构化表示并输入一个基于门控和注意力机制的模型GAN-SR(gated attention network with structured representation),在文档内进行中文事件同指消解。首先,该模型采用语义角色标注和依存句法分析技术对事件句进行浅层语义分析,抽取事件句信息并表示为一个事件五元组。其次,将各种事件信息输入GRU进行编码,然后使用多头注意力机制挖掘事件句和事件对之间的重要特征。在ACE2005中文语料库上的实验表明,GAN-SR的性能优于目前性能最好的基准系统。
-
关键词
中文事件同指消解
结构化表示
注意力机制
-
Keywords
Chinese event coreference resolution
structured representation
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种面向生文本的事件同指消解神经网络方法
- 2
-
-
作者
方杰
李培峰
朱巧明
-
机构
苏州大学计算机科学与技术学院
-
出处
《中文信息学报》
CSCD
北大核心
2019年第9期31-38,共8页
-
基金
国家自然科学基金(61472265,61772354)
-
文摘
事件同指消解在自然语言理解中是一项复杂的任务,它需要在理解文本信息的基础上,发现其中的同指事件。事件同指消解在信息抽取、问答系统、阅读理解等自然语言任务中均有重要作用。该文提出了一个事件同指消解框架,包括事件抽取(ENS_NN)、真实性识别(ENS_NN)和事件同指消解(AGCNN)三个部分。事件同指消解模型(AGCNN)利用注意力池化机制来捕获事件的全局特征,利用门控卷积抽取复杂语义特征,提高了事件同指消解的性能。在KBP 2015和KBP 2016数据集上的实验结果表明,该文提出的方法优于目前最优的系统。
-
关键词
事件抽取
事件同指消解
注意力池化
门控卷积
-
Keywords
event detection
event coreference resolution
attention pooling
gated CNN
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名面向多语料库的通用事件指代消解
被引量：3
- 3
-
-
作者
陆震寰
孔芳
周国栋
-
机构
苏州大学计算机科学与技术学院
-
出处
《中文信息学报》
CSCD
北大核心
2018年第1期51-58,共8页
-
基金
国家自然科学基金(61472264
61333018
61673290)
-
文摘
事件同指消解对篇章理解、信息抽取意义重大。该文在事件抽取完成的基础上聚焦事件同指,给出了一个基于卷积神经网络的事件同指消解完整框架,针对实例分布不均衡问题给出了基于事件语义类别和时态信息的事件兼容性过滤策略。为了最大化适用不同的事件标注策略,提出了最小事件本身描述和事件间关系描述相结合的特征表示方法。针对基于事件对模型进行同指消解产生的局部最优问题,给出了一种全局优化的后处理方案。在KBP2015和ACE2005语料上的各类实验表明,上述三个解决方案均能有效解决问题,提升整个事件同指消解平台的性能。
-
关键词
卷积神经网络
全局优化
特征表示
事件同指消解
-
Keywords
convolutional neural network
global optimization
feature representation
event co-reference resolution
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
