扩充语义维度的BiGRU-AM突发事件要素识别研究

摘要：

[目的]为了解决循环神经网络对于重要程度不同的信息特征可解释性差的问题,本文提出一种扩充语义维度的BiGRU-AM突发事件要素识别方法.[方法]首先将文本语料训练为词向量,并将生成的词向量联接词性、依存句法关系等语义特征;然后通过BiGRU模型提取上下文信息特征,将注意力机制引入BiGRU网络,使得特征的提取更有选择性;最后将学习到的特征经过Softmax函数激活,输出识别结果.[结果]利用扩充了语义维度的BiGRU-AM模型在CEC数据集中进行实验,仿真实验结果表明,本文方法相较于其他浅层机器学习算法,F值提升了2％～21％不等.[局限]在判断语义关系方面较为局限;语料预处理的过程中依赖分词工具的准确性;超参数只是单方面的依序确定,缺乏关联性;F值的提升使得预处理工作的开销增大.[结论]扩充语义维度的BiGRU-AM模型可以有效地处理突发事件要素识别任务.

关键词：突发事件、事件要素识别、循环神经网络、注意力机制

所属期刊栏目：4

分类号：TP183(自动化基础理论)

资助基金：本文系中国人民公安大学基本科研业务费项目"人工智能在公安领域的应用";国家重点研发计划项目"社区风险监测与防范关键技术研究"

在线出版日期：2020-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：91-99