基于LSTM的层次化篇章依存分析方法

• 作者: 贾延延 程学旗 冯键
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 篇章 依存分析 LSTM
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 语言分析与计算
• 页码范围: 1-8
• 页数: 8页
• 分类号: TP391
• 语种: 中文

摘要

在长距离依赖场景,篇章依存分析的效果欠佳,传统分析方法通常设计大量特征模板来缓解这一瓶颈问题.该文提出一种层次化篇章依存分析方法,减少了篇章分析器所需一次性处理的篇章分析单元的数量,从而缩短了分析器所处理的依存对之间的距离;并通过长短时记忆模型直接处理篇章分析单元中的序列信息,避免了特征提取.在RS T语料库上进行实验,结果表明,即使在不提取任何特征的情况下,层次化篇章依存分析方法的分析效果依然优于同类深度学习模型在提取必要特征后的实验效果.