10.11925/infotech.2096-3467.2021.0094
基于RoBERTa-CRF的古文历史事件抽取方法研究
[目的]为有效抽取典籍中蕴含的事件信息,构建面向典籍的事件抽取框架,并采用RoBERTa-CRF模型实现事件类型、论元角色和论元的抽取.[方法]选择《左传》的战争句作为实验数据,建立事件类型和论元角色的分类模板.基于RoBERTa-CRF模型,先用多层Transformer提取语料特征,再结合前后文序列标签学习相关性约束,由输出的标记序列识别论元并对其进行抽取.[结果]对比GuwenBERT-LSTM、BERT-LSTM、RoBERTa-LSTM、BERT-CRF、RoBERTa-CRF等5种模型在数据集上的事件抽取实验结果,RoBERTa-CRF的精确度为87.6%、召回率为77.2%、F1值达到82.1%,验证了该模型的有效性和可操作性.[局限]使用的数据集规模较小,无法使主题类别更均衡化.[结论]本文构建的RoBERTa-CRF模型提升了面向《左传》战争句的事件抽取效果.
RoBERTa;CRF;事件抽取;古文
5
TP391;G255(计算技术、计算机技术)
本文系南京农业大学中央高校基本科研业务费;中国博士后面上基金
2021-09-30(万方平台首次上网日期,不代表论文的发表时间)
共10页
26-35