基于Tri-Training的事件关系分类方法研究

• 作者: 丁思远 姚建民 朱巧明 朱珊珊 洪宇
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 事件关系 框架语义 半监督学习 Tri-Training
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 自然语言处理
• 页码范围: 2345-2351
• 页数: 7页
• 分类号: TP391
• 字数: 6839字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2015.12.023

摘要

事件关系分类是一项研究事件之间存在何种逻辑关系的自然语言处理技术.针对事件关系分类任务中训练语料不足的问题,提出了基于Tri-Training的事件关系分类方法.该方法首先根据已标注的语料训练三个不同的分类器,以多数投票的方式从未标注集中抽取置信度较高的样本对训练集进行扩充,然后利用新的训练集重新训练分类器,反复迭代,不断完善分类模型,最终达到提升事件关系分类性能的目的.实验结果表明,以F1值为评价标准,基于Tri-Training的事件关系分类方法在四大类事件关系上的分类性能为64.36％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱巧明	苏州大学江苏省计算机信息处理重点实验室	261	2058	25.0	31.0
2	洪宇	苏州大学江苏省计算机信息处理重点实验室	66	270	8.0	13.0
3	姚建民	苏州大学江苏省计算机信息处理重点实验室	70	494	10.0	19.0
4	朱珊珊	苏州大学江苏省计算机信息处理重点实验室	7	16	3.0	3.0
5	丁思远	苏州大学江苏省计算机信息处理重点实验室	4	7	2.0	2.0