结合注意力机制与长短期记忆网络的中文事件抽取方法研究

发布时间：2021-12-15 19:43

　　互联网如今已经成为人们获取信息的主要途径之一,人们可以轻松快速地从互联网上获取各种各样的信息。但是,伴随着互联网上的信息呈指数式增长,人们置身于一个信息爆炸的环境中,每天面对铺天盖地的各种信息,甚至已经严重超出了人们的承受范围。因此,如何从海量的信息中找到人们真正关心的信息已成为当前亟待解决的一个问题,信息抽取由此而成为大家关注的重点。事件抽取技术研究是信息抽取研究领域中一个极为重要的子任务,也是当前信息抽取研究任务中的难点和热点之一。事件抽取的任务就是从自然语言描述的海量非结构化文本中抽取用户关心和感兴趣的事件（包括事件的类型和子类型以及事件所涉及的实体、时间及数值等元素）,然后用结构化的形式保存和呈现,提供给用户浏览。抽取的事件还可以作为输入信息,提供给机器翻译、文本检索、知识图谱、推荐系统等多种应用,具有重要的实际应用价值和学术研究意义。本文主要面对中文事件抽取,研究中文事件的检测与分类以及中文事件的元素角色抽取。事件检测与分类任务其实是识别事件触发词的过程,这个过程分为两步:触发词识别和触发词分类。本文结合注意力机制和长短期记忆神经网络,提出了 ATT-BiLSTM算法,不依赖... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

图２－２模式匹配算法组成结构??Ｆｉｕｒｅ?２－２?Ｐａｔｔｅｒｎ?ｍａｔｃｈｉｎａｌｏｒｉｔｈｍ?ｃｏｍｏｓｉｔｉｏｎ??

图３－１句子与事件类别的对应关系??Ｆｉｇｕｒｅ?３－１?Ｃｏｒｒｅｓｐｏｎｄｅｎｃｅ?ｂｅｔｗｅｅｎ?ｓｅｎｔｅｎｃｅｓ?ａｎｄ?ｅｖｅｎｔ?ｔｙｐｅｓ??

图３－２?ＬＳＴＭ工作原理图??Ｆｉｇｕｒｅ?３－２?Ｔｈｅ?ｏｐｅｒａｔｉｎｇ?ｓｃｈｅｍａｔｉｃ?ｏｆ?ＬＳＴＭ??

【参考文献】：
期刊论文
[1]基于双向LSTM神经网络模型的中文分词[J]. 金宸,李维华,姬晨,金绪泽,郭延哺.  中文信息学报. 2018(02)
[2]面向事件的本体研究[J]. 刘宗田,黄美丽,周文,仲兆满,付剑锋,单建芳,智慧来.  计算机科学. 2009(11)
[3]基于事件框架的事件相关文档的智能检索研究[J]. 吴平博,陈群秀,马亮.  中文信息学报. 2003(06)

博士论文
[1]自由文本的信息抽取模式获取的研究[D]. 姜吉发.中国科学院研究生院（计算技术研究所） 2004

硕士论文
[1]中文事件抽取技术研究[D]. 郭庆.南京师范大学 2018
[2]基于深度学习的英文事件抽取研究[D]. 王凯.苏州大学 2017
[3]中文事件抽取关键技术研究[D]. 高源.解放军信息工程大学 2015
[4]中文事件论元抽取研究[D]. 黄媛.苏州大学 2014
[5]中文事件抽取的相关技术研究[D]. 赵妍妍.哈尔滨工业大学 2007



本文编号：3537032