-
题名中文连动句语义关系识别研究
被引量：3
- 1
-
-
作者
孙超
曲维光
魏庭新
顾彦慧
李斌
周俊生
-
机构
南京师范大学中北学院
南京师范大学计算机与电子信息学院/人工智能学院
南京师范大学国际文化教育学院
南京师范大学文学院
昆山震川高级中学
-
出处
《中文信息学报》
CSCD
北大核心
2024年第5期22-31,共10页
-
基金
国家社会科学基金(21&ZD288)。
-
文摘
连动句是形如“NP+VP1+VP2”的句子,句中含有两个或两个以上的动词(或动词结构)且动词的施事为同一对象。相同结构的连动句可以表示多种不同的语义关系。该文基于前人对连动句中VP1和VP2之间的语义关系分类,标注了连动句语义关系数据集,基于神经网络完成了对连动句语义关系的识别。该方法将连动句语义识别任务进行分解,基于BERT进行编码,利用BiLSTM-CRF先识别出连动句中连动词(VP)及其主语(NP),再基于融合连动词信息的编码,利用BiLSTM-Attention对连动词进行关系判别,实验结果验证了该文所提方法的有效性。
-
关键词
连动结构
神经网络
连动句语义关系识别
-
Keywords
serial-verb structure
neural network
semantic relation recognition of serial-verb sentences
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于神经网络的复句判定及其关系识别研究
被引量：1
- 2
-
-
作者
贾旭楠
魏庭新
曲维光
顾彦慧
周俊生
-
机构
南京师范大学计算机科学与技术学院
南京师范大学国际文化教育学院
南京师范大学文学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第11期54-61,共8页
-
基金
国家自然科学基金“汉语抽象意义表示关键技术研究”(61772278)
江苏省高校哲学社会科学基金“面向机器学习的汉语复句语料库建设研究”(2019JSA0220)。
-
文摘
复句是自然语言的基本单位之一,复句的判定及其语义关系的识别,对于句法解析、篇章理解等都有着非常重要的作用。基于神经网络模型识别自然语料中的复句,判断其复句关系,构造复句判定和复句关系识别联合模型,以最大程度地减少误差传递。在复句判定任务中通过Bi-LSTM获得上下文语义信息,采用注意力机制捕获句内跨距离搭配信息,利用CNN捕获句子局部信息。在复句关系识别任务中,使用Bert增强句子的语义表示,运用Tree-LSTM对句法结构和成分标记进行建模。在CAMR中文语料上的实验结果表明,基于注意力机制的复句判定模型F1值达到91.7%,基于Tree-LSTM的复句关系识别模型F1值达到69.15%。在联合模型中,2项任务的F1值分别达到92.15%和66.25%,说明联合学习能够使不同任务获得更多特征,从而提高模型性能。
-
关键词
复句判定
神经网络
复句关系识别
联合模型
语义建模
-
Keywords
complex sentence identification
neural network
complex sentence relation recognition
joint model
semantic modeling
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
