BGCN:基于BERT和图卷积网络的触发词检测

TP183; 触发词检测是事件抽取的一项基本任务,该任务涉及对触发词进行识别和分类.目前,已有工作主要存在两方面的问题:1)用于触发词检测的神经网络模型只考虑了句子的顺序表示,且通过顺序建模的方法在捕捉长距离依赖关系时效率较低;2)基于表示的方法虽然解决了手动提取特征的问题,但用作初始训练特征的词向量对句子的表示程度有所欠缺,难以捕捉深层的双向表征.因此,文中提出了一种基于BERT模型和GCN网络的触发词检测模型BGCN,该模型通过引入BERT词向量来强化特征表示,并引入句法结构来捕捉长距离依赖,对事件触发词进行检测.实验结果表明,所提方法在ACE2005数据集上的表现优于其他现有的神经网络模...

Full description

Saved in:
Bibliographic Details
Published in计算机科学 Vol. 48; no. 7; pp. 292 - 298
Main Authors 程思伟, 葛唯益, 王羽, 徐建
Format Journal Article
LanguageChinese
Published 南京理工大学计算机科学与工程学院 南京 210094%中国电子科技集团公司第二十八研究所信息系统工程重点实验室 南京 210007 2021
Subjects
事件触发词
双向LSTM
序列标注
BERT
图卷积网络
Online AccessGet full text

Cover

More Information
Summary:TP183; 触发词检测是事件抽取的一项基本任务,该任务涉及对触发词进行识别和分类.目前,已有工作主要存在两方面的问题:1)用于触发词检测的神经网络模型只考虑了句子的顺序表示,且通过顺序建模的方法在捕捉长距离依赖关系时效率较低;2)基于表示的方法虽然解决了手动提取特征的问题,但用作初始训练特征的词向量对句子的表示程度有所欠缺,难以捕捉深层的双向表征.因此,文中提出了一种基于BERT模型和GCN网络的触发词检测模型BGCN,该模型通过引入BERT词向量来强化特征表示,并引入句法结构来捕捉长距离依赖,对事件触发词进行检测.实验结果表明,所提方法在ACE2005数据集上的表现优于其他现有的神经网络模型.
ISSN:1002-137X
DOI:10.11896/jsjkx.200500133