典型文献
基于Self-Attention的句法感知汉语框架语义角色标注
文献摘要：
框架语义角色标注(Frame Semantic Role Labeling,FSRL)是基于 FrameNet 标注体系的语义分析任务.语义角色标注通常对句法有很强的依赖性,目前的语义角色标注模型大多基于双向长短时记忆网络 Bi-LSTM,虽然可以获取句子中的长距离依赖信息,但无法很好地获取句子中的句法信息.因此,引入 Self-Attention机制来捕获句子中每个词的句法信息.实验结果表明,该模型在CFN(Chinese FrameNet,汉语框架网)数据集上的F1 值得到了提升,证明了融入 self-attention机制可以改进汉语框架语义角色标注模型的性能.
文献关键词：
语义角色标注;自注意力机制;双向长短时记忆网络;汉语框架网
中图分类号：
作者姓名：
王晓晖;李茹;王智强;柴清华;韩孝奇
作者机构：
山西大学 计算机与信息技术学院,山西 太原 030006;山西大学 计算智能与中文信息处理教育部重点实验室,山西 太原 030006;山西大学 智能信息处理研究所,山西 太原 030006;山西大学 外国语学院,山西 太原 030006
文献出处：
引用格式：
[1]王晓晖;李茹;王智强;柴清华;韩孝奇-.基于Self-Attention的句法感知汉语框架语义角色标注)[J].中文信息学报,2022(10):38-44
A类：
FrameNet,汉语框架网
B类：
Self,Attention,框架语义,语义角色标注,Semantic,Role,Labeling,FSRL,标注体系,语义分析,对句,双向长短时记忆网络,Bi,句子,长距离依赖,句法信息,CFN,Chinese,self,attention,自注意力机制
AB值：
0.250659
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。
