BGCN:基于BERT和图卷积网络的触发词检测

• 作者: 程思伟 葛唯益 王羽 徐建
• 来源期刊: 计算机科学
• 关键词: BERT 双向LSTM 图卷积网络 序列标注 事件触发词
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 292-298
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11896/jsjkx.200500133

摘要

触发词检测是事件抽取的一项基本任务,该任务涉及对触发词进行识别和分类.目前,已有工作主要存在两方面的问题:1)用于触发词检测的神经网络模型只考虑了句子的顺序表示,且通过顺序建模的方法在捕捉长距离依赖关系时效率较低;2)基于表示的方法虽然解决了手动提取特征的问题,但用作初始训练特征的词向量对句子的表示程度有所欠缺,难以捕捉深层的双向表征.因此,文中提出了一种基于BERT模型和GCN网络的触发词检测模型BGCN,该模型通过引入BERT词向量来强化特征表示,并引入句法结构来捕捉长距离依赖,对事件触发词进行检测.实验结果表明,所提方法在ACE2005数据集上的表现优于其他现有的神经网络模型.