基于语言模型及循环卷积神经网络的事件检测

• 作者: 施喆尔 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: 事件检测 语言模型词嵌入 长短期记忆网络 动态多池化卷积神经网络 注意力机制
• 年，卷（期）: 2019,（3）
• 页码范围: 442-448
• 页数: 7页
• 分类号: TP391.1
• 字数: 6914字
• 语种: 中文
• DOI: 10.6043/j.issn.0438-0479.201901008

摘要

目前,事件检测的难点在于一词多义和多事件句的检测.为了解决这些问题,提出了一个新的基于语言模型的带注意力机制的循环卷积神经网络模型(recurrent and convolutional neural network with attention based on language models,LM-ARCNN).该模型利用语言模型计算输入句子的词向量,将句子的词向量输入长短期记忆网络获取句子级别的特征,并使用注意力机制捕获句子级别特征中与触发词相关性高的特征,最后将这两部分的特征输入到包含多个最大值池化层的卷积神经网络,提取更多上下文有效组块.在ACE2005英文语料库上进行实验,结果表明,该模型的F1值为74.4％,比现有最优的文本嵌入增强模型(DEEB)高0.4％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈锦秀	厦门大学信息科学与技术学院	10	77	4.0	8.0
2	施喆尔	厦门大学信息科学与技术学院	1	1	1.0	1.0