结合全局向量特征的神经网络依存句法分析模型

• 作者: 单义栋 司念文 宋玉龙 王衡军
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 依存句法分析 图模型 长短时记忆网络 卷积神经网络 特征
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 53-64
• 页数: 12页
• 分类号: TN912.3
• 字数: 9008字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2018024

摘要

利用时序型长短时记忆(LSTM, long short term memory)网络和分片池化的卷积神经网络(CNN, con-volutional neural network),分别提取词向量特征和全局向量特征,将2类特征结合输入前馈网络中进行训练;模型训练中,采用基于概率的训练方法.与改进前的模型相比,该模型能够更多地关注句子的全局特征;相较于最大化间隔训练算法,所提训练方法更充分地利用所有可能的依存句法树进行参数更新.为了验证该模型的性能,在宾州中文树库(CTB5, Chinese Penn Treebank 5)上进行实验,结果表明,与已有的仅使用LSTM或CNN的句法分析模型相比,该模型在保证一定效率的同时,能够有效提升依存分析准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王衡军		6	18	3.0	4.0
2	司念文		1	5	1.0	1.0
3	单义栋		2	6	1.0	2.0