典型文献
融合字词特征的BiGRU-CRF中文事件要素识别
文献摘要：
针对目前常用的神经网络模型仅考虑字符级特征及词语信息丢失的问题,构建一种融合字词特征的BiGRU-CRF(Bidirectional Gated Recurrent Unit-Conditional Random Fields)中文事件要素识别模型.首先 CNN(Convolutional Neural Networks)与GRU(Gated Recurrent Unit)结合训练得到字符级和词级语义特征表示;接着学习到的所有特征进行拼接后送入BiGRU神经网络从前向和后向学习上下文语义特征表示;最后,采用CRF自动学习隐藏的约束条件并进行维特比算法解码得到事件要素识别结果.结果表明,与现有的事件要素识别模型相比,该模型可以有效提高事件要素识别的模型综合能力F1值.
文献关键词：
事件要素识别;条件随机场;字词特征;双向门控循环单元
中图分类号：
作者姓名：
廖涛;陈彦杰;张顺香
作者机构：
安徽理工大学计算机科学与工程学院,安徽淮南232001
文献出处：
引用格式：
[1]廖涛;陈彦杰;张顺香-.融合字词特征的BiGRU-CRF中文事件要素识别)[J].阜阳师范大学学报（自然科学版）,2022(04):50-55
A类：
事件要素识别
B类：
字词特征,BiGRU,CRF,文事,字符级特征,词语,信息丢失,Bidirectional,Gated,Recurrent,Unit,Conditional,Random,Fields,识别模型,Convolutional,Neural,Networks,合训,练得,语义特征,特征表示,拼接,后送,送入,从前,上下文语义,自动学习,维特比算法,解码,型综合,条件随机场,双向门控循环单元
AB值：
0.327324
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
