融合对抗学习的因果关系抽取

• 作者: 冯冲 康丽琪 石戈 黄河燕
• 来源期刊: 自动化学报
• 关键词: 因果关系抽取 生成式对抗网络 注意力机制 对抗学习
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 811-818
• 页数: 8页
• 字数: 7370字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c170481

摘要

因果关系抽取在事件预测、情景生成、问答以及文本蕴涵等任务上都有重要的应用价值.但多数现有的因果关系抽取方法都需要人工定义模式和约束,且严重依赖知识库.为此,本文利用生成式对抗网络(Generative adversarial networks, GAN) 的对抗学习特性,将带注意力机制的双向门控循环单元神经网络 (Bidirectional gated recurrent units networks, BGRU) 与对抗学习相融合,通过重定义生成模型和判别模型,基本的因果关系抽取网络能够与判别网络形成对抗,进而从因果关系解释信息中获得高区分度的特征.实验结果表明,与当前用于因果关系抽取的方法相比较,该方法表现出更优的抽取效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄河燕	北京理工大学计算机学院	30	311	13.0	16.0
5	冯冲	北京理工大学计算机学院	14	156	7.0	12.0
9	康丽琪	北京理工大学计算机学院	1	5	1.0	1.0
13	石戈	北京理工大学计算机学院	2	18	2.0	2.0