-
题名基于事件语义特征的中文文本蕴含识别
被引量：11
- 1
-
-
作者
刘茂福
李妍
姬东鸿
-
机构
武汉科技大学计算机科学与技术学院
智能信息处理与实时工业系统湖北省重点实验室
武汉大学计算机学院
-
出处
《中文信息学报》
CSCD
北大核心
2013年第5期129-136,共8页
-
基金
国家自然科学基金资助项目(61100133
61173062)
+1 种基金
国家社会科学基金重大资助项目(11&Z189)
湖北省教育厅人文社科基金重点资助项目(2011jyte126)
-
文摘
为了强化文本蕴含系统深层语义分析与推理能力,该文提出了基于事件语义特征的中文文本蕴含识别方法。该方法基于事件标注语料生成事件图,将文本间的蕴含关系转化为事件图间的蕴含关系;利用最大公共子图的事件图相似度算法计算事件语义特征,与统计特征、词汇语义特征和句法特征一起使用支持向量机进行分类,得到初步实验结果,再经过基于事件语义规则集合的修正处理得到最后的识别结果。实验结果表明基于事件语义特征的中文文本蕴含识别方法可以更有效地对中文文本蕴含关系进行识别。
-
关键词
文本蕴含
事件语义特征
最大公共子图
支持向量机
-
Keywords
Textual Entailment
Event Semantic Feature
Max-Common Sub-graph,Support Vector Machine
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于混合模型的事件触发词抽取
被引量：1
- 2
-
-
作者
杨昊
赵刚
王兴芬
-
机构
北京信息科技大学信息管理学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2023年第1期171-180,共10页
-
基金
国家重点研发计划(2019YFB1405003)。
-
文摘
事件结构性语法特征与事件语义特征各有优势,二者融合利于准确表征事件触发词,进而有利于完成事件触发词抽取任务。现有的基于特征、基于结构及基于神经网络模型等的抽取方法仅能捕捉事件的部分特征,不能够准确表征事件触发词。为解决上述问题,提出一种融合了事件结构性语法特征和事件语义特征的混合模型,完成事件触发词抽取任务。首先,在初始化向量模型中融入句子的依存句法信息,使初始向量中包含事件结构性语法特征;然后,将初始向量依次传入神经网络模型中的CNN和BiGRU-E-attention模型中,在捕获多维度事件语义特征的同时,完成事件结构性语法特征与事件语义特征的融合;最后,进行事件触发词的抽取。在CEC中文突发语料库上进行事件触发词位置识别和分类实验,该模型的F值较基准模型的分别提高了0.86%和4.07%;在ACE2005英文语料库上,该模型的F值较基准模型的分别提高了1.4%和1.5%。实验结果表明,混合模型在事件触发词抽取任务中取得了优异的效果。
-
关键词
事件抽取
事件触发词
事件结构性语法特征
事件语义特征
特征融合
-
Keywords
event extraction
event trigger word
event structural grammatical features
event semantic features
features fusion
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
