计算机科学››2018,第45卷››发行(12):130-136。数字对象标识:10.11896/j.issn.1002-137X.2018.12.020
•人工智能• 以前的文章 下一篇文章
魏平1,赵文翰1,罗准晨2,李周军1
收到:
在线:
出版:
摘要:随着社交媒体的发展和普及,如何识别短文本中两个事件提及之间的共指关系是一个紧迫的问题。在传统的事件引用解析研究中,需要从已有的NLP工具和各种知识库中提取丰富的语言特征,这限制了领域的可扩展性,并导致错误的传播。为了克服这些局限性,本文提出了一种新的基于事件触发器的选择性表达方法来探索Twitter上的共指关系。首先,利用双向长短期记忆(bi-LSTM)提取句子级和提及级的特征。然后,通过在句子级特征上应用门来生成潜在特征,使其有选择性地表达。其次,设计了两个辅助特征,即触发器和时间间隔的重叠字。最后,将所有这些特征连接起来并输入到一个简单的分类器中,以预测共指关系。为了评估这种方法,本文对一个新的数据集EventCoreOnTweet(ECT)进行了注释。实验结果表明,选择性表达方法显著提高了短文本的共指消解性能。
关键词: 双向长短期记忆, 事件引用解析, 神经网络, 短文本
CLC编号:
魏平,赵文翰,罗准晨,李周军.基于事件触发器的选择性表达方法在推特事件参考解析中的应用[J]。计算机科学,2018,45(12):130-136。
0 / /推荐
添加到引文管理器 尾注|样板客户经理|项目|BibTeX公司|参考Works
网址: https://www.jsjkx.com/EN/10.11896/j.issn.1002-137X.2018.12.020
https://www.jsjkx.com/EN/Y2018/V45/I12/130
引用