典型文献
基于多任务深度学习的实体和事件联合抽取模型
文献摘要：
[目的]利用命名实体识别与事件检测任务之间的相关性,同时提升命名实体识别和事件检测模型的性能.[方法]提出基于多任务学习的实体和事件联合抽取模型MDL-J3E,该模型分为共享层、私有层和解码层.其中,共享层生成通用特征;私有层由命名实体识别部分和事件检测部分组成,在通用特征的基础上分别提取两个子任务的私有特征;解码层将子任务的特征解码输出为符合约束规则的标签序列.[结果]在ACE2005数据集上开展实证研究,所提模型在命名实体识别任务上的F1值为84.15％,在事件检测任务上的F1值为70.96％.[局限]未将多任务模型应用到更多的信息抽取场景中.[结论]与单任务模型相比,多任务模型在命名实体识别任务和事件检测任务中具有更好的效果.
文献关键词：
命名实体识别;事件检测;多任务学习;深度学习
中图分类号：
作者姓名：
余传明;林虹君;张贞港
作者机构：
中南财经政法大学信息与安全工程学院 武汉430073
文献出处：
引用格式：
[1]余传明;林虹君;张贞港-.基于多任务深度学习的实体和事件联合抽取模型)[J].数据分析与知识发现,2022(02):117-128
A类：
J3E
B类：
联合抽取模型,命名实体识别,事件检测,检测模型,多任务学习,MDL,共享层,解码,部分和,子任务,私有特征,征解,合约,ACE2005,多任务模型,模型应用,信息抽取,单任务
AB值：
0.210053
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。
