| 基于偽觸發(fā)詞的并行預(yù)測(cè)篇章級(jí)事件抽取方法 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：wwei | |
| 文檔大小：3715 K | |
| 標(biāo)簽： 篇章級(jí)事件抽取 多任務(wù)聯(lián)合 預(yù)訓(xùn)練語(yǔ)言模型 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：篇章級(jí)事件抽取一般將事件抽取任務(wù)分為候選實(shí)體識(shí)別、事件檢測(cè)和論元識(shí)別3個(gè)子任務(wù)，然后采用級(jí)聯(lián)的方式依次進(jìn)行，這樣的方式會(huì)造成誤差傳遞；另外，現(xiàn)有的大多數(shù)模型在解碼事件時(shí)，對(duì)事件數(shù)量的預(yù)測(cè)隱含在解碼過程中，且只能按照預(yù)定義的事件順序及預(yù)定義的角色順序預(yù)測(cè)事件論元，使得先抽取的事件并沒有考慮到后面抽取的事件。針對(duì)以上問題提出一種多任務(wù)聯(lián)合的并行預(yù)測(cè)事件抽取框架。首先，使用預(yù)訓(xùn)練語(yǔ)言模型作為文檔句子的編碼器，檢測(cè)文檔中存在的事件類型，并使用結(jié)構(gòu)化自注意力機(jī)制獲取偽觸發(fā)詞特征，預(yù)測(cè)每種事件類型的事件數(shù)量；然后將偽觸發(fā)詞特征與候選論元特征進(jìn)行交互，并行預(yù)測(cè)每個(gè)事件對(duì)應(yīng)的事件論元，在大幅縮減模型訓(xùn)練時(shí)間的同時(shí)獲得與基線模型相比更好的性能。最終事件抽取結(jié)果F1值為78%，事件類型檢測(cè)子任務(wù)F1值為98.7%，事件數(shù)量預(yù)測(cè)子任務(wù)F1值為90.1%，實(shí)體識(shí)別子任務(wù)F1值為90.3%。 | |
| 現(xiàn)在下載 | |
| VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
篇章級(jí)事件抽取 相關(guān)資源
wwei 的最新分享
- 基于多域特征的雷達(dá)有源干擾信號(hào)智能識(shí)別
- 基于自注意力1dCNN的雷達(dá)目標(biāo)識(shí)別方法及教研系統(tǒng)設(shè)計(jì)
- 航向信標(biāo)輻射場(chǎng)中障礙物影響分析與布局優(yōu)化
- 一種Ku頻段高性能低成本低噪聲放大器
- 12~30 GHz高精度低附加相移數(shù)控衰減器設(shè)計(jì)
- 基于ESP32嵌入式Web服務(wù)器的手機(jī)化儀表設(shè)計(jì)
- 基于聚類的HTTP/HTTPS協(xié)議資產(chǎn)發(fā)現(xiàn)
- 基于邊緣算力和改進(jìn)YOLOv10算法的智能垃圾分類系統(tǒng)
Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號(hào)-2