典型文献
基于多特征多注意力模型的中文事件关系识别
文献摘要：
当前的关系识别任务多采用基于词或字粒度单一特征进行,忽略了全局信息对于关系识别的重要性,而且现代汉语具有词类和句法成分关系复杂的特点,这使得特征选择成为中文文本处理中的重点与难点.文中所用多特征多注意力模型除事件自身特征外,充分地考虑到位置、事件要素和上下文三类额外特征,利用全局信息以解决模型特征矩阵语义表征不足的问题.该模型结合双向注意力机制、点积注意力机制和双向门控循环神经网络进行事件关系识别,结合注意力机制的神经网络模型来较好地提取文本中的深层语义信息.其中双向注意力从特征矩阵两个方向提取事件自身有效信息,点积注意力提取事件之间的对应关系,双向门控循环神经网络提取矩阵中的上下文特征.在CEC2.0中文突发事件语料库上的实验结果表明,文中方法以及所用模型均有较好的识别效果.
文献关键词：
事件关系识别;多特征嵌入;多特征融合;双向注意力机制;点积注意力机制;双向门控循环网络;CEC2.0语料库
中图分类号：
作者姓名：
宋杨;廖涛;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]宋杨;廖涛;张顺香-.基于多特征多注意力模型的中文事件关系识别)[J].现代电子技术,2022(18):153-158
A类：
事件关系识别,点积注意力机制,CEC2,多特征嵌入
B类：
多注意力,注意力模型,文事,全局信息,现代汉语,词类,句法成分,特征选择,中文文本,文本处理,事件要素,模型特征,特征矩阵,语义表征,双向注意力机制,双向门控循环神经网络,行事,深层语义信息,有效信息,上下文特征,语料库,中方,多特征融合,双向门控循环网络
AB值：
0.230566
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。
