典型文献
基于GLSTM和Attention的中文事件要素提取
文献摘要：
事件信息抽取是信息抽取任务中的一种,旨在识别并提出一个事件的触发词和元素.由于容易受到数据稀疏的影响,事件要素的抽取是中文事件抽取任务中的一个难点,研究的重点在于特征工程的构建.中文语法相较英文要复杂许多,所以捕获英文文本特征的方法在中文任务中效果并不明显,而目前常用的神经网络模型仅考虑了上下文信息,不能兼顾词法和句法特征.因此针对中文的词法和句法特点,构建一种结合分组长短期记忆网络(grouped long-short term memory,GLSTM)和Attention的中文事件要素抽取方法AGCEE(attention and GLSTM based Chinese event extraction),通过Attention机制融合词特征和句子特征,采用GLSTM捕获句子的上下文信息,并通过条件随机场(conditional random fields,CRF)进行事件信息抽取,最后在公开数据集上进行实验以验证模型的有效性.
文献关键词：
事件要素抽取;注意力机制;融合特征;分组长短期记忆网络(GLSTM)
中图分类号：
作者姓名：
曹渝昆;孙涛
作者机构：
上海电力大学 计算机科学与技术学院,上海 200090
文献出处：
引用格式：
[1]曹渝昆;孙涛-.基于GLSTM和Attention的中文事件要素提取)[J].计算机工程与应用,2022(06):157-163
A类：
GLSTM,事件要素抽取,AGCEE
B类：
Attention,要素提取,信息抽取,触发词,数据稀疏,中文事件抽取,特征工程,语法,文本特征,上下文信息,词法,句法特征,句法特点,组长,长短期记忆网络,grouped,long,short,term,memory,attention,Chinese,event,extraction,词特征,句子特征,条件随机场,conditional,random,fields,CRF,行事,公开数据集,验证模型,注意力机制,融合特征
AB值：
0.337021
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。
