基于神经网络的端到端的事件指代消解研究

• 作者: 吴瑞萦 孔芳
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 事件指代消解 自然语言处理 语义信息 端到端
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 语言分析与计算
• 页码范围: 28-35
• 页数: 8页
• 分类号: TP391
• 字数: 6351字
• 语种: 中文

摘要

事件作为文本信息的关键语义组件,对篇章的理解具有重要意义.由于事件具有自身包含信息丰富、表达方式多样,以及在文本中分布稀疏等特点,使得事件指代消解成为自然语言处理领域的一个难点任务.在以往的事件指代消解任务中,多借助人工提取词匹配和句法结构等信息,再基于这些抽取的特征进行消解,然而这些特征并不能有效地处理具有复杂语义的事件任务.该文提出一种端到端的神经网络模型,通过多种词表征、双向循环神经网络和注意力机制来学习上下文的语义内容,从而完成事件的指代消解任务.在KBP2015、2016数据集上进行的事件指代消解实验验证了该文给出模型的有效性.实验结果表明,该神经网络模型能很好地理解文本语义信息,捕捉关键单词,提高事件指代消解任务的性能,最终端到端的事件指代消解性能在CoNLL评测标准下达到39.9％ 的F1值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孔芳	苏州大学计算机科学与技术学院	66	350	11.0	15.0
2	吴瑞萦	苏州大学计算机科学与技术学院	2	0	0.0	0.0