声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：王俊,史存会,张瑾,俞晓明,刘悦,程学旗,
关键词：事件时序关系抽取, 时序关系分类, 事件关系识别, 自注意力, 双向长短期记忆,
事件时序关系抽取是一项重要的自然语言理解任务，可以广泛应用于诸如知识图谱构建、问答系统等任务.已有事件时序关系抽取方法往往将该任务视为句子级事件对的分类问题，而基于有限的局部句子信息导致其抽取的事件时序关系的精度较低，且无法保证整体时序关系的全局一致性.针对此问题，提出一种融合上下文信息的篇章级事件时序关系抽取方法，使用基于双向长短期记忆(bidirectionallongshort-termmemory,Bi-LSTM)的神经网络模型学习文章中事件对的时序关系表示，再利用自注意力机制融入上下文中其他事件对信息，从而得到更丰富的事件对时序关系表示用于时序关系分类.通过TB-Dense(timebankdense)和MATRES(multi-axistemporalrelationsforstart-points)数据集的实验表明：此方法能够取得比当前主流的句子级方法更佳的抽取效果.
来源：2021年第11期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。