基于BiLSTM并结合自注意力机制和句法信息的隐式篇章关系分类

• 作者: 凡子威 张民 李正华
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 神经网络 隐式篇章关系分类 自注意力机制 句法信息
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 人工智能
• 页码范围: 214-220
• 页数: 7页
• 分类号: TP391
• 字数: 7951字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2019.05.033

摘要

隐式篇章关系分类是浅层篇章结构分析(Shallow Discourse Parsing)中的子任务,也是自然语言处理(Natu-ral Language Processing,NLP)中的一项重要任务.隐式篇章关系是由篇章关系中的论元对推理出来的逻辑语义关系.隐式篇章关系的分析结果可以应用于许多自然语言处理任务中,如机器翻译、自动文档摘要、问答系统等.针对隐式篇章关系分类任务,提出一种基于自注意力机制和句法信息的方法.通过双向长短时记忆网络(Bidirectional Long Short-Term Memory Network)对输入的结合句法信息的论元对进行建模,将论元对表示成低维稠密的向量;通过自注意力机制对论元对信息进行筛选.在PDTB2.0数据集上进行实验,结果表明该方法较基准系统获得了更好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张民	苏州大学计算机科学与技术学院	27	94	5.0	9.0
2	李正华	苏州大学计算机科学与技术学院	10	12	2.0	3.0
3	凡子威	苏州大学计算机科学与技术学院	1	1	1.0	1.0