近年来,句法驱动的语义角色标注(Semantic Role Labeling,SRL)受到了广泛的关注。但是,大部分工作只考虑如何利用单个同构句法树信息。考虑到汉语中存在多个人工构建的高质量异构句法树库,提出采用图卷积神经网络(Graph Convolutional N...近年来,句法驱动的语义角色标注(Semantic Role Labeling,SRL)受到了广泛的关注。但是,大部分工作只考虑如何利用单个同构句法树信息。考虑到汉语中存在多个人工构建的高质量异构句法树库,提出采用图卷积神经网络(Graph Convolutional Networks,GCN)来刻画多个异构句法树中包含的句法信息,并深入比较多种编码方式,来提升汉语SRL的性能。最终,该模型在CPB 1.0和CoNLL-2009汉语数据集上分别达到了84.16%和85.30%的F1值,均高于编码同构句法树的实验结果,且相比于前人的方法有了显著的提升。展开更多
