基于深度学习的隐式篇章关系识别综述
隐式篇章关系识别是自然语言处理中一项富有挑战性的任务,旨在判断缺少连接词的两个论元(子句或者句子)之间的语义关系(例如转折).近年来,随着深度学习在自然语言处理领域的广泛应用,各种基于深度学习的隐式篇章关系识别方法取得了不错的效果,其性能全面超越了早期基于人工特征的方法.文中分三大类对最近的隐式篇章关系识别方法进行讨论:基于论元编码的方法、基于论元交互的方法和引入显式篇章数据的半监督方法.在PDTB数据集上的实验结果显示:1)通过显式地建模论元中词或文本片段之间的语义关系,基于论元交互的方法的性能明显好于基于论元编码的方法;2)引入显式篇章数据的半监督方法能有效地缓解数据稀疏问题,从而进一步提升识别的性能.最后,分析了当前面临的主要问题,并指出了未来可能的研究方向.
自然语言处理、隐式篇章关系识别、深度学习
47
TP391.1(计算技术、计算机技术)
国家自然科学基金项目;江西省自然科学基金资助项目;江西省教育厅科学技术研究项目
2020-04-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
157-163