基于多任务迭代学习的论辩挖掘方法

• 作者: 廖祥文 桂林 程学旗 陈国龙 陈泽泽
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 多任务学习 论辩挖掘 迭代模型 深度学习 卷积神经网络
• 年，卷（期）: 2019,（7）
• 页码范围: 1524-1538
• 页数: 15页
• 分类号: TP391
• 字数: 12016字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2019.01524

摘要

论辩挖掘可分为论点边界的检测、论点类型的识别、论点关系的抽取三个子任务.现有的工作大多数对子任务分别建模研究,忽略了三个子任务之间的关联信息,导致性能低下.另外,还有部分的工作采用流水线模型把三个子任务进行联合建模,由于流水线模型仍然是独立的看待每个子任务,为每个子任务训练单独的模型,存在错误传播的问题,且在训练过程中产生了冗余信息.因此,本文提出了一种基于多任务迭代学习的论辩挖掘方法.该方法将论辩挖掘三个任务并行地联合在一起学习,首先通过深度卷积神经网络(CNN)和高速神经网络(Highway Network),获得文本字符和词级别的浅层共享参数表示;然后输入双向长短时记忆循环神经网络(Bi-LSTM),利用论辩挖掘三个任务之间的关联信息进行同时训练,不仅可以避免错误传播,而且能够克服冗余信息的产生;最后,联结三个任务的Bi-LSTM网络输出作为下一次迭代的输入,来提高模型的性能.实验采用了德国UKP实验室公开的学生论文数据集,实验结果表明,与目前最好的基准方法对比,该方法的准确率指标提高了2.74％,“F1(100％)”和“F1(50％)”指标分别提高了1.05％和1.19％,很好地验证了该方法的有效性.