原文服务方: 计算机应用研究       
摘要:
事件检测与分类是事件抽取的关键环节,触发词抽取是完成事件检测与分类的主流方法。提出了一种事件触发词抽取方法,该方法针对单一触发词抽取方法没有充分利用依存句法分析信息且召回率不高的问题,通过综合利用依存句法分析信息和其他信息抽取触发词—实体描述对的方法来提高触发词抽取的召回率,然后将触发词—实体描述对抽取结果与单一触发词抽取结果相融合以避免召回率提高所带来的准确率下降问题。在ACE2005中文语料上进行实验,该方法在事件检测与分类任务中取得较好效果,F值分别达到了69.0%和66.2%。
推荐文章
基于双向LSTM的图结构依存句法分析
图结构
依存句法分析
双向长短期神经网络模型
隐马尔科夫模型
Viterbi算法
中文复杂名词短语依存句法分析
中文复杂名词短语
依存句法分析
决策式算法
支持向量机
特征
基于浅层句法分析的术语抽取研究
术语抽取
浅层句法分析
科技管理
融合浅层句法分析的蛋白质互作用信息抽取方法
蛋白质互作用
信息抽取
浅层句法分析
最大熵
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于依存句法分析与分类器融合的触发词抽取方法
来源期刊 计算机应用研究 学科
关键词 事件抽取 触发词 依存句法分析 触发词-实体描述对 支持向量机 分类器融合
年,卷(期) 2016,(5) 所属期刊栏目 系统应用开发
研究方向 页码范围 1407-1410
页数 4页 分类号 TP391.1
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2016.05.029
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李弼程 解放军信息工程大学信息系统工程学院 77 636 13.0 22.0
2 席耀一 解放军信息工程大学信息系统工程学院 14 100 6.0 9.0
3 高源 解放军信息工程大学信息系统工程学院 2 11 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (230)
参考文献  (6)
节点文献
引证文献  (9)
同被引文献  (31)
二级引证文献  (5)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(10)
  • 参考文献(1)
  • 二级参考文献(9)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(3)
  • 参考文献(2)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(1)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(3)
  • 引证文献(2)
  • 二级引证文献(1)
2018(4)
  • 引证文献(3)
  • 二级引证文献(1)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
2020(3)
  • 引证文献(2)
  • 二级引证文献(1)
研究主题发展历程
节点文献
事件抽取
触发词
依存句法分析
触发词-实体描述对
支持向量机
分类器融合
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导