事件检测：图卷积神经网络的门多样性和句法重要性得分

越南Dac Lai,阮元元（Tuan Ngo Nguyen）,Thien Huu Nguyen先生

摘要
最近关于事件检测（ED）的研究表明，句法依赖图可以用于图卷积神经网络（GCN）以获得最先进的性能。然而，这种基于图形的模型中隐藏向量的计算与触发器候选词无关，可能会为事件预测的触发器候选词留下不相关的信息。此外，现有的ED模型未能利用单词的整体上下文重要性分数来提高性能，而这些分数可以通过依赖树获得。在本研究中，我们提出了一种新的选通机制，以基于触发器候选的信息过滤ED GCN模型隐藏向量中的噪声信息。我们还引入了新的机制来实现门的上下文多样性和ED中图和模型的重要性得分一致性。实验表明，该模型在两个ED数据集上达到了最先进的性能。
选集ID：
2020.emnlp-main.435
体积：
2020年自然语言处理实证方法会议记录
月份：
十一月
年份：
2020
地址：
在线的
编辑：
邦妮·韦伯,特雷弗·科恩,何玉兰,杨柳
地点：
EMNLP公司
SIG公司：
出版商：
计算语言学协会
注：
页：
5405–5411
语言：
网址：
https://aclantology.org/2020.emnlp-main.435
内政部：
10.18653/v1/2020.emnlp-main.435
比比键：
引用（ACL）：
越南达赖、阮元元和阮惠元。2020事件检测：图卷积神经网络的门多样性和句法重要性得分.英寸2020年自然语言处理实证方法会议记录，第5405–5411页，在线。计算语言学协会。
引用（非正式）：
事件检测：图卷积神经网络的门多样性和句法重要性得分（Lai等人，EMNLP 2020）
复制引文：
PDF格式：
https://aclantology.org/2020.emnlp-main.435.pdf
视频：
 https://slideslive.com/38939324
PDF格式 引用 搜索 视频