一種面向生文本的事件同指消解神經網絡方法
方杰; 李培峰; 朱巧明 蘇州大學計算機科學與技術學院; 江蘇蘇州215006
關鍵詞：事件抽取 事件同指消解 注意力池化 門控卷積
摘要：事件同指消解在自然語言理解中是一項復雜的任務,它需要在理解文本信息的基礎上,發(fā)現其中的同指事件。事件同指消解在信息抽取、問答系統(tǒng)、閱讀理解等自然語言任務中均有重要作用。該文提出了一個事件同指消解框架,包括事件抽取(ENS_NN)、真實性識別(ENS_NN)和事件同指消解(AGCNN)三個部分。事件同指消解模型(AGCNN)利用注意力池化機制來捕獲事件的全局特征,利用門控卷積抽取復雜語義特征,提高了事件同指消解的性能。在KBP 2015和KBP 2016數據集上的實驗結果表明,該文提出的方法優(yōu)于目前最優(yōu)的系統(tǒng)。
中文信息學報雜志要求:
{1}本刊對刊發(fā)的文章擁有版權，不得擅自轉載、改編。凡轉載、改編務經我刊同意，違者必究。
{2}作者簡介包括：姓名、性別、出生年月、畢業(yè)學校及所學專業(yè)、工作單位、職務職稱、現從事的研究工作情況。
{3}來稿若屬國家自然科學基金項目或省部基金項目，請在文稿中標明其基金來源和編號，我刊可以優(yōu)先審核發(fā)表。
{4}正文內連續(xù)敘述中的序號采用①……；②……；③……。分級超過3級后用網括號如：“①”，“②”表示，并采用連排。
{5}附注請一律使用當頁腳注的形式，以帶圈①……⑩的方式編號，使用每頁重新編號的方式。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
