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:
事件同指消解在自然语言理解中是一项复杂的任务,它需要在理解文本信息的基础上,发现其中的同指事件.事件同指消解在信息抽取、问答系统、阅读理解等自然语言任务中均有重要作用.该文提出了一个事件同指消解框架,包括事件抽取(ENS _NN)、真实性识别(ENS _NN)和事件同指消解(AGCNN)三个部分.事件同指消解模型(AGCNN)利用注意力池化机制来捕获事件的全局特征,利用门控卷积抽取复杂语义特征,提高了事件同指消解的性能.在KBP 2015和KBP 2016数据集上的实验结果表明,该文提出的方法优于目前最优的系统.
推荐文章
一种改进的基于神经网络的文本分类算法
文本分类
神经网络
K最近邻
特征选择
一种基于角点与BP神经网络的文本检测及定位算法
文本检测算法
多尺度角点算法
BP神经网络
文本信息提取
一种改进的BP神经网络属性选择方法
属性选择
BP神经网络
属性排序
敏感度分析
改进的BP神经网络属性选择方法
一种基于神经网络的模糊推理方法
模糊神经网络
模糊推理
CRI
蕴涵关系
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 一种面向生文本的事件同指消解神经网络方法
来源期刊 中文信息学报 学科 工学
关键词 事件抽取 事件同指消解 注意力池化 门控卷积
年,卷(期) 2019,(9) 所属期刊栏目 语言分析与计算
研究方向 页码范围 31-38
页数 8页 分类号 TP391
字数 7908字 语种 中文
DOI 10.3969/j.issn.1003-0077.2019.09.005
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 朱巧明 苏州大学计算机科学与技术学院 261 2058 25.0 31.0
2 李培峰 苏州大学计算机科学与技术学院 138 995 16.0 24.0
3 方杰 苏州大学计算机科学与技术学院 4 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2019(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)
研究主题发展历程
节点文献
事件抽取
事件同指消解
注意力池化
门控卷积
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
中文信息学报
月刊
1003-0077
11-2325/N
16开
北京海淀区中关村南四街4号
1986
chi
出版文献量(篇)
2723
总下载数(次)
5
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导