基于篇章级信息的事件检测方法研究

来源 :苏州大学 | 被引量 : 0次 | 上传用户:slayerwei
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着互联网和移动通信技术的迅猛发展,无结构化数据呈现爆发式增长。事件检测已经成为快速获取与管理数据的重要技术之一,旨在从无结构化的数据中检测事件触发词。目前,大部分事件检测方法基于句子级信息展开研究,缺少对篇章级信息的利用,导致无法有效检测出依赖于篇章级信息的事件触发词。因此,本文针对篇章级信息在事件检测任务中的应用进行了深入的研究。具体研究内容分为以下三个方面:(1)针对句子与其上下文关联问题及事件触发词在特定语境中存在的语义模糊问题,本文提出了一种结合上下文信息的事件检测方法。首先基于神经网络模型设置三个窗口,分别构建当前句及其上下句的语义表示;然后将句子级表示拼接起来,再利用神经网络模型学习句子的上下文表示;最后融合句子级表示和上下文表示对事件触发词进行分类。实验结果表明,句子的上下文特征能够提升事件检测任务的性能。(2)针对句子间单词的远距离依赖关系问题,本文提出了一种基于句间关联图模型的事件检测方法。首先利用文本的词信息、词性信息和依存信息分别构建单词的词汇、形态和语法关系图;然后利用语篇关系构建句子关系图;最后通过图卷积神经网络学习句子间的依赖信息,建模事件触发词与触发词,论元与触发词之间的关系,从而进行事件检测。实验结果表明,利用句子间信息构建的关系图有效地关联了篇章范围内不同单词和句子的信息,显著提高了事件检测的召回率。(3)针对事件触发词与全局文档信息的相关性,本文提出了一种基于文档注意力机制建模的事件检测方法。首先用神经网络模型学习文档首句信息、句子信息和全局文档信息;然后对句子添加注意力机制得到深层语义信息,从而为当前句中与全局文档信息相关的重要内容添加更高的权重;最后融合句子信息和深层语义信息进行事件检测。实验结果表明,该方法有效地学习了全局文档的信息,增强了事件触发词的表现力,提高了事件检测任务的性能。本文针对事件检测任务中存在的问题,提出了三种解决办法,验证了篇章级信息的有效性,可以为事件检测任务的研究提供参考。
其他文献
为更好了解西藏高寒草地退化的成因,更加系统、合理地治理高寒草地退化,对前人的研究成果高寒草地的现状、退化成因进行总结、归纳和分析,并提出修复途径,以期有效保护青藏高原草地,建设青藏高原生态屏障。
期刊
随着人工智能技术的快速发展,自动驾驶(Autonomous Driving,AD)的研究备受人们关注。深度强化学习算法(Deep reinforcement learning,DRL)是自动驾驶的主要应用方法之一,该算法目前已经成功应用于游戏、医学、机器人控制等领域。大部分DRL算法为了提高样本的覆盖率,没有对探索方法进行安全限制,应用于自动驾驶模型时,智能体在探索过程中可能陷入某些危险状态,导致
学位
网络信息日益膨胀,信息过载问题也日益严重,推荐系统逐渐成为解决这一问题的重要途径。单领域推荐往往会受到数据稀疏和冷启动等问题的影响,因此跨领域推荐成为了推荐系统中一个新的研究分支。在现实生活中,相似的用户可能在不同的领域有相似的品味,这使得跨领域推荐成为一种很有前景并且非常实用的推荐技术。然而,由于负迁移的存在,我们在如何联系用户在不同领域的交互行为,以及如何充分利用辅助领域来帮助用户完成目标领域
学位
战斗部在高能炸药爆炸作用下,形成大量高速破片,这些破片通过侵彻、射流等方式毁伤目标。通过对战斗部破片进行检测与跟踪,获取破片飞行状态和飞行参数,为战斗部毁伤威力提供重要参数依据。由于战斗部破片具有速度高、尺寸小、数量多等特点,以及靶场试验环境复杂多样,一般的图像处理方法满足不了高速摄影中破片图像处理与测量的需求。因此,研究基于深度学习的破片群目标检测与跟踪具有重要的工程应用价值。论文的主要研究内容
学位
复述识别任务,旨在判断两个自然文本是否表达相同的语义,是自然语言处理中的一项基础任务,解决该任务的关键是正确理解句子的语义以及判断出两个句子之间的关系。目前,复述识别方法主要基于深度神经网络模型,该类方法将复述识别任务视为一个二元分类任务,并取得了很大进展。但现有方法在问句复述识别任务中以及在特定领域的复述识别任务中还存在不足之处,如存在信息缺失导致的语义理解与交互不充分问题。因此,本文针对以上科
学位
城市体检作为贯彻落实中央城市工作会议精神的新型城市治理方式,已成为监测“城市病”、推动高质量发展的重要举措。目前,地级市层面的城市体检评估方法与实践研究已有较多,针对中小城市特别是县城的探讨较为缺乏。文章以江苏省金湖县为例,从中小城市发展面临的问题出发,深入研究中小城市响应城市体检的工作思路与规划应对策略,探索建立多领域综合、多主体协同、多维度应对、多特色呈现的工作机制,为中小城市治理提供技术方法
期刊
学位
目标跟踪算法是机器视觉领域的一个分支,在智能监控、智能交通等领域得到广泛应用。基于深度学习的目标跟踪算法相较于传统的目标跟踪算法在精度方面更具优势。但是,基于深度学习的目标跟踪算法通常伴随着大量的数据计算,而随着移动设备的普及,目标跟踪技术的应用场景则开始向体型小、方便移动的方向发展,这便限制了那些只能依靠大型计算机的算力才能达到较高精度算法的使用。因此,研究出一种既能保持较高准确度又能适用于小型
学位
随着互联网技术和电子商务的蓬勃发展,各种应用平台上涌现出许多带有主观情感的文本,正确分析这些文本中的情感倾向有助于实现多种智能服务应用,例如,舆情监控、企业征信、个性化推荐等。因此,情感分析受到了越来越多研究者的关注。本文研究的属性级情感分类是情感分析领域中一项细粒度的任务,旨在识别文本中针对某个具体属性的情感极性。现有的属性级情感分类方法大多依赖于标注样本,然而样本标注工作费时耗力。而且,相对于
学位
为了解西藏岗巴县不同草地类型盛草期牧草品质与土壤理化性质关系,在每块草地中沿对角线方法布设6个间距为10 m,大小为0.5 m×0.5 m的样方,采集样方中所有的高山嵩草(Carex parvula)和青藏苔草(Carex moorcroftii Falc.)、披碱草(Elymus dahuricus)、针茅(Stipa capillata)和羊茅(Festuca ovina),并在每个采集过植物
期刊