基于深度学习的隐式篇章关系识别综述

• 作者: 杨亚连 胡超文 邬昌兴
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 自然语言处理 隐式篇章关系识别 深度学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 157-163
• 页数: 7页
• 分类号: TP391.1
• 字数: 7248字
• 语种: 中文
• DOI: 10.11896/jsjkx.190300115

摘要

隐式篇章关系识别是自然语言处理中一项富有挑战性的任务,旨在判断缺少连接词的两个论元(子句或者句子)之间的语义关系(例如转折).近年来,随着深度学习在自然语言处理领域的广泛应用,各种基于深度学习的隐式篇章关系识别方法取得了不错的效果,其性能全面超越了早期基于人工特征的方法.文中分三大类对最近的隐式篇章关系识别方法进行讨论:基于论元编码的方法、基于论元交互的方法和引入显式篇章数据的半监督方法.在PDTB数据集上的实验结果显示:1)通过显式地建模论元中词或文本片段之间的语义关系,基于论元交互的方法的性能明显好于基于论元编码的方法;2)引入显式篇章数据的半监督方法能有效地缓解数据稀疏问题,从而进一步提升识别的性能.最后,分析了当前面临的主要问题,并指出了未来可能的研究方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡超文	华东交通大学虚拟现实与交互技术研究院	2	1	1.0	1.0
2	邬昌兴	华东交通大学虚拟现实与交互技术研究院	2	1	1.0	1.0
3	杨亚连	华东交通大学软件学院	2	1	1.0	1.0