基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目前,语义角色标注大多基于双向长短时记忆网络(Bi-LSTM).但是,由于词向量表示由上下文窗口中的词嵌入拼接得到,导致其依赖于左右词嵌入的联合作用.针对该问题,引入Gate机制对词向量表示进行调整.为了获取更深层次的语义信息,对Bi-LSTM的深度进行扩展.此外,引入标签转移概率矩阵进行约束,并且使用条件随机场(CRF)融合全局标签信息得出最优标注序列.实验结果表明,该方法使得汉语语义角色标注的F1值提高1.71%.
推荐文章
基于BI_LSTM_CRF神经网络的序列标注中文分词方法
自然语言处理
中文分词
神经网络
双向长短时记忆条件随机场
字嵌入
序列标注
基于模糊机制和语义密度聚类的汉语自动语义角色标注研究
SRL
模糊机制
语义密度聚类
神经网络
词向量
CRF
Dropout
基于Bi-LSTM-CRF算法的气象预警信息质控系统的实现
Bi-LSTM-CRF
中文分词
气象预警
信息质控
智能检测
基于BI-LSTM-CRF的作战文书命名实体识别
深度学习
作战文书
命名实体识别
双向LSTM
CRF
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Gate机制与Bi-LSTM-CRF的汉语语义角色标注
来源期刊 计算机与现代化 学科 工学
关键词 汉语语义角色标注 Gate机制 Bi-LSTM-CRF 标签转移概率矩阵
年,卷(期) 2018,(4) 所属期刊栏目 人工智能
研究方向 页码范围 1-6,31
页数 7页 分类号 TP391
字数 7165字 语种 中文
DOI 10.3969/j.issn.1006-2475.2018.04.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 徐金安 北京交通大学计算机与信息技术学院 35 194 10.0 13.0
2 张玉洁 北京交通大学计算机与信息技术学院 34 208 9.0 13.0
3 刘明童 北京交通大学计算机与信息技术学院 8 7 2.0 2.0
4 陈钰枫 北京交通大学计算机与信息技术学院 22 54 3.0 6.0
5 张苗苗 北京交通大学计算机与信息技术学院 2 5 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (14)
参考文献  (6)
节点文献
引证文献  (3)
同被引文献  (3)
二级引证文献  (0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(6)
  • 参考文献(2)
  • 二级参考文献(4)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
汉语语义角色标注
Gate机制
Bi-LSTM-CRF
标签转移概率矩阵
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机与现代化
月刊
1006-2475
36-1137/TP
大16开
南昌市井冈山大道1416号
44-121
1985
chi
出版文献量(篇)
9036
总下载数(次)
25
总被引数(次)
56782
论文1v1指导