基于门控卷积网络的篇章级事件可信度识别方法

• 作者: 张赟 朱巧明 李培峰
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 篇章理解 事件可信度识别 门控卷积
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 206-210
• 页数: 5页
• 分类号: TP391.1
• 字数: 6394字
• 语种: 中文
• DOI: 10.11896/jsjkx.190200265

摘要

事件可信度表示文本中事件的真实程度,描述了事件是否是一个事实,或是一种可能性,又或者是一种不可能的情况.事件可信度识别是问答系统、篇章理解等诸多相关任务的重要基础.目前,事件可信度识别的研究基本上还停留在句子级,很少涉及篇章级.因此,文中提出了一个基于门控卷积网络的篇章级事件可信度识别方法DEFI(Document-level Event Factuality Identification).该方法首先使用门控卷积网络从句子和句法路径中抽取篇章中事件的语义和句法信息,然后通过自注意力(Self-Attention)层获取每个序列相对于自身更重要的整体信息的特征表示,从而识别出篇章级事件可信度.在中英文语料上的实验显示,与基准系统相比,DEFI的宏平均F1值和微平均F1值均得到了提高,其中在中英文语料上宏平均F1值分别提高了2.3％和4.4％,微平均F1值分别提升了2.0％和2.8％;同时,所提方法在训练速度上也提升了3倍.

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	张赟	苏州大学计算机科学与技术学院	6	5	1.0	2.0