基于深度信念网络的事件识别

• 作者: 刘宗田 周文 张亚军
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 事件识别 深度学习 识别特征 特征表示 混合监督
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 学术论文
• 页码范围: 1415-1423
• 页数: 9页
• 分类号: TP391
• 字数: 8835字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2017.06.020

摘要

事件识别是信息抽取的重要基础.为了克服现有事件识别方法的缺陷,本文提出一种基于深度学习的事件识别模型.首先,我们通过分词系统获得候选词并将它们分为五种类型.然后选择六种识别特征并制定相应的特征表示规则用来将词转化为向量样例.最后我们通过深度信念网络抽取词的深层语义信息,并由Back-Propagation(BP)神经网络识别事件.实验显示模型最高F值达85.17%.同时,本文还提出了一种融合无监督和有监督两种学习方式的混合监督深度信念网络,该网络能够提高识别效果(F值达89.2%)并控制训练时间(增加27.50%).

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宗田	上海大学计算机工程与科学学院	155	2834	28.0	47.0
2	周文	上海大学计算机工程与科学学院	36	623	13.0	24.0
3	张亚军	上海大学计算机工程与科学学院	4	42	2.0	4.0