典型文献
基于双向门控循环神经网络的事件论元抽取方法
文献摘要：
事件抽取是构建知识图谱的关键前置任务之一,而事件论元抽取是事件抽取的子任务,对事件抽取质量有显著影响.针对现有的流水线式事件抽取方法在论元抽取时忽略了触发词和论元间、论元和论元间相互关系导致抽取质量低的问题,该文提出了一种基于双向门控循环神经网络(Bi-GRU)的事件论元抽取方法.该方法融合Bert词向量、词性特征、词位置特征和触发词类型特征作为输入,采用Bi-GRU网络对文本中的词进行编码,进而应用改进的多注意力机制为句子不同部分分配权重提取句子级别特征,最后通过全连接层实现论元识别和角色分类.在基准数据集上进行了实验验证,结果表明论元识别和角色分类任务的F1-score值分别达到了69.2%和61.6%,优于现有方法.
文献关键词：
注意力机制;事件抽取;循环神经网络;词嵌入
中图分类号：
作者姓名：
葛唯益;程思伟;王羽;徐建
作者机构：
中国电子科技集团公司第二十八研究所信息系统工程重点实验室 南京 210007;南京理工大学计算机科学与工程学院 南京 210094
文献出处：
引用格式：
[1]葛唯益;程思伟;王羽;徐建-.基于双向门控循环神经网络的事件论元抽取方法)[J].电子科技大学学报,2022(01):100-107
A类：
B类：
双向门控循环神经网络,事件论元抽取,事件抽取,子任务,流水线,触发词,Bi,GRU,方法融合,Bert,词向量,词性,位置特征,词类,类型特征,应用改进,多注意力机制,分配权重,重提,句子级,全连接层,基准数据集,分类任务,score,词嵌入
AB值：
0.295333
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。
