典型文献
基于跨语言数据增强的事件同指消解方法
文献摘要：
事件同指消解是一个具有挑战性的自然语言处理任务,它在事件抽取、问答系统和阅读理解等任务中发挥着重要作用.现存的事件同指消解语料库的一个问题是标注规模较小,无法训练出高效能的模型.为了解决上述问题,该文提出了一个基于跨语言数据增强的事件同指消解神经网络模型ECR_CDA(Event Coreference Resolution on Cross-lingual Data Augmentation).该模型通过中英文语料互译来增强语料,并通过共享模型参数的方式实现中英文模型的跨语言学习,从而提高了事件同指消解的性能.在ACE 2005英文语料上的实验结果表明,ECR_CDA优于目前最先进的基准系统.
文献关键词：
事件同指;事件实例短句;中英跨语言学习;全局优化方法
中图分类号：
作者姓名：
程昊熠;李培峰;朱巧明
作者机构：
苏州大学 计算机科学与技术学院,江苏 苏州 215006;江苏省计算机信息技术处理重点实验室,江苏 苏州 215006
文献出处：
引用格式：
[1]程昊熠;李培峰;朱巧明-.基于跨语言数据增强的事件同指消解方法)[J].中文信息学报,2022(03):19-26
A类：
事件同指,Coreference,跨语言学,事件实例短句,中英跨语言学习
B类：
跨语言数据,数据增强,消解方法,自然语言处理,事件抽取,问答系统,阅读理解,解语,语料库,规模较,练出,高效能,ECR,CDA,Event,Resolution,Cross,lingual,Data,Augmentation,中英文,互译,共享模型,了事,ACE,最先,准系统,全局优化方法
AB值：
0.315469
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。
