基于深度学习的中文短语复述抽取技术研究

• 作者: 颜欣 张宇 潘晓彤 刘作鹏 刘挺
• 来源期刊: 中文信息学报
• 关键词: 复述抽取 短语划分 表示学习
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 信息抽取与文本挖掘|Information Extraction and Text Mining
• 页码范围: 61-68,77
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2021.02.006

摘要

复述抽取是自然语言处理任务中的一个重要分支,高质量的复述资源对于提升信息检索、问答系统、机器翻译等任务的效果有很大帮助.该文将任务限定在中文短语复述抽取,提出了基于2BiLSTM+CNN+CRF的序列标注模型,用于单语中文语料短语划分,通过若干过滤规则获取优质中文短语.之后又提出了基于表示学习的候选复述获取方法,通过BattRAE模型获取中文短语向量表示,并使用余弦相似度计算短语间的语义距离.该文根据语义距离对短语对进行过滤,将语义距离相近的短语视作候选的复述短语,再通过规则过滤掉错误的候选复述.在最后的结果中,随机抽取出500条短语复述资源进行人工评价,达到了0.814的精确度以及0.826的MRR值.