基于混合树结构神经网络的隐式篇章关系识别

• 作者: 郑江龙 陈锦秀
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: 隐式篇章关系识别 信息焦点 树状长短时记忆网络 神经张量网
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 研究论文
• 页码范围: 576-583
• 页数: 8页
• 分类号: TP391
• 字数: 5775字
• 语种: 中文
• DOI: 10.6043/j.issn.0438-0479.201701010

摘要

隐式篇章关系识别的主要挑战是如何表示两个文本单元的语义信息.由于句子的语义信息往往由语法树中的信息焦点(谓词部分)所决定,所以关注信息焦点可以提升篇章关系识别的效果.为了增强信息焦点的作用,引入树状长短时记忆(tree-structured long short-term memory,Tree-LSTM)网络,使用其遗忘门的特性区别对待不同孩子节点的信息.最后利用神经张量网络(neural tensor network,NTN)来计算两个句子语义向量之间的关系.基于PDTB2.0(Penn Discourse Treebank)语料数据进行实验,实验结果表明混合树结构神经网络比传统的RNN模型在大部分关系中的F-score上提高了3.0%左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑江龙	厦门大学信息科学与技术学院	1	0	0.0	0.0
2	陈锦秀	厦门大学信息科学与技术学院	10	77	4.0	8.0