基于篇章信息和Bi-GRU的中文事件检测

• 作者: 朱培培 李寿山 王中卿 王红玲
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 事件抽取 事件检测 篇章信息 双向门控循环单元网络 ACE2005
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 人工智能
• 页码范围: 233-238
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11896/jsjkx.191100031

摘要

事件抽取是信息抽取中一个重要的研究方向,其中事件检测是事件抽取的关键.目前,中文神经网络事件检测方法均是基于句子的方法,这种方法获得的局部上下文的信息不足以解决事件触发词的歧义性.针对这个问题,文中探索了篇章信息的作用.首先,以双向门控循环单元网络(Bidirectional Gated Recurrent Units,Bi-GRU)模型为基线,定义 3 个窗口来学习句子特征;然后,将句子表示进行拼接,利用双向门控循环单元网络学习句子的上下文特征;最后,将句子表示和上下文表示进行融合,以丰富句子的语义信息,并减少候选触发词语义模糊现象,通过 Softmax函数进行事件触发词的分类.在 ACE2005 数据集上的实验结果表明,句子的上下文特征能够有效提升中文事件检测方法的性能,该中文事件检测方法的 F1 值比当前最好的模型高 1 .5%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王中卿		30	200	9.0	14.0
2	王红玲		29	194	8.0	13.0
3	李寿山		68	618	13.0	23.0
4	朱培培		14	23	2.0	4.0