期刊专题

10.11896/j.issn.1002-137X.2019.08.040

基于自注意力机制的事件时序关系分类方法

引用
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.

时序关系、深度学习、自注意力机制

46

TP391.1(计算技术、计算机技术)

国家自然科学基金61472265,61772354,61773276

2019-09-05(万方平台首次上网日期,不代表论文的发表时间)

共5页

244-248

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

46

2019,46(8)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn