基于多注意力机制的维吾尔语人称代词指代消解

摘要：

针对深度神经网络模型学习照应语和候选先行语的语义信息忽略了每一个词在句中重要程度,且无法关注词序列连续性关联和依赖关系等问题,提出一种结合语境多注意力独立循环神经网络(Contextual multi-attention independently recurrent neural network,CMAIR)的维吾尔语人称代词指代消解方法.相比于仅依赖照应语和候选先行语语义信息的深度神经网络,该方法可以分析上下文语境,挖掘词序列依赖关系,提高特征表达能力.同时,该方法结合多注意力机制,关注待消解对多层面语义特征,弥补了仅依赖内容层面特征的不足,有效识别人称代词与实体指代关系.该模型在维吾尔语人称代词指代消解任务中的准确率为90.79％,召回率为83.25％,F值为86.86％.实验结果表明,CMAIR模型能显著提升维吾尔语指代消解性能.

关键词：注意力机制、语境、独立循环神经网络、指代消解

所属期刊栏目：47

分类号：TP391;F272;TP183

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;自治区重大科技项目;人才培养项目

在线出版日期：2021-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1412-1421