典型文献
融合神经网络与全局推理的实体共指消解算法
文献摘要：
[目的]提出融合神经网络与全局推理的实体共指消解模型,解决文本内实体信息复杂,指代信息具有不明确性且分布稀疏的问题,探索更有效的共指消解算法.[方法]首先,利用神经网络模型抽取出文档中的实体和其前指词;其次,结合句子的上下文信息进行全局推理,将此推理结果加入神经网络模型中,从而提高实体共指消解的精确度.[结果]在OntoNotes 5.0数据集上进行实体共指消解实验,结果验证了所提算法的有效性.融合神经网络与全局推理的实体共指消解算法能有效地提高共指消解性能和更好地理解文本语义信息,最终在CoNLL评测标准下Fl值达到74.76％.[局限]需加入更精确的知识推理.[结论]与近几年其他的共指消解模型对比实验结果证明了所提算法的实用性与有效性.
文献关键词：
神经网络;共指消解;实体消歧;全局推理
中图分类号：
作者姓名：
周宁;靳高雅;石雯茜
作者机构：
兰州交通大学电子与信息工程学院 兰州730070
文献出处：
引用格式：
[1]周宁;靳高雅;石雯茜-.融合神经网络与全局推理的实体共指消解算法)[J].数据分析与知识发现,2022(08):75-83
A类：
全局推理,CoNLL
B类：
融合神经网络,共指消解,解模,实体信息,指代,明确性,模型抽取,文档,前指,句子,上下文信息,入神,高实,OntoNotes,理解文本,文本语义,语义信息,评测标准,Fl,知识推理,模型对比,实体消歧
AB值：
0.292778
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。
