融合多模型与高置信度词典的事件线索检测

• 作者: 姚建民 朱巧明 杨雪蓉 洪宇 王潇斌 陈亚东
• 来源期刊: 北京大学学报（自然科学版）
• 学科: 工学
• 关键词: 事件线索检测 最大熵模型 条件随机模型 高置信度词典
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 研究论文
• 页码范围: 412-420
• 页数: 9页
• 分类号: TP391
• 字数: 8750字
• 语种: 中文
• DOI: 10.13209/j.0479-8023.2017.005

摘要

提出一种融合多模型和高置信度词典的事件线索识别方法,将高置信度词典特征分别加入最大熵模型和条件随机场模型,然后融合两个模型的结果,旨在提高触发词识别的召回率和整体性能.针对事件真伪性识别任务,进一步考察否定词或不确定词与触发词的物理位置距离和依存路径距离等特征,提高事件真伪性识别的性能.实验结果显示,针对触发词识别和事件真伪性识别任务,与仅使用最大熵模型相比,所提出的融合多模型与高置信度词典的方法能够提高触发词识别的性能6.43%,提高事件真伪性识别的性能1.69%.

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	杨雪蓉	苏州大学江苏省计算机信息处理重点实验室	9	62	4.0	7.0
5	陈亚东	苏州大学江苏省计算机信息处理重点实验室	9	23	3.0	4.0
6	王潇斌	苏州大学江苏省计算机信息处理重点实验室	7	17	3.0	4.0