基于自注意力机制的事件时序关系分类方法

摘要：

事件时序关系分类是事件抽取的重要后续任务.随着深度学习技术的发展,神经网络在事件时序关系分类任务中发挥着重要作用.但是,对于传统的循环神经网络或卷积神经网络而言,处理结构信息和捕获长距离依赖关系仍然是一个重大挑战.针对这个问题,文中提出了一种基于自注意力机制的事件时序关系分类模型架构,它可以直接捕获句子中任意两个词例之间的关系.将该机制与非线性网络层结合,可以使事件时序关系分类的性能得到显著提高.在TimeBank-Dense和Richer Event Description数据集上的对比实验证明:所提方法优于现有的大多数神经网络方法.

关键词：时序关系、深度学习、自注意力机制

所属期刊栏目：46

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金61472265,61772354,61773276

在线出版日期：2019-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：244-248