一種面向生文本的事件同指消解神經(jīng)網(wǎng)絡(luò)方法
關(guān)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(fù)雜的任務(wù),它需要在理解文本信息的基礎(chǔ)上,發(fā)現(xiàn)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(wù)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(jī)制來捕獲事件的全局特征,利用門控卷積抽取復(fù)雜語義特征,提高了事件同指消解的性能。在KBP 2015和KBP 2016數(shù)據(jù)集上的實驗結(jié)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(xué)報雜志要求:
{1}本刊對刊發(fā)的文章?lián)碛邪鏅?quán)，不得擅自轉(zhuǎn)載、改編。凡轉(zhuǎn)載、改編務(wù)經(jīng)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(xué)校及所學(xué)專業(yè)、工作單位、職務(wù)職稱、現(xiàn)從事的研究工作情況。
{3}來稿若屬國家自然科學(xué)基金項目或省部基金項目，請在文稿中標(biāo)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(nèi)連續(xù)敘述中的序號采用①……；②……；③……。分級超過3級后用網(wǎng)括號如：“①”，“②”表示，并采用連排。
{5}附注請一律使用當(dāng)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(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
