| 一种基于深度神经网络的句法要素识别方法 |
| |
| 作者姓名： | 陈艳平 冯丽 秦永彬 黄瑞章 |
| |
| 作者单位： | 贵州大学计算机科学与技术学院,贵州 贵阳550025;数据融合与分析实验室(贵州大学),贵州 贵阳550025;贵州大学计算机科学与技术学院,贵州 贵阳550025;贵州省智能人机交互工程技术研究中心,贵州 贵阳550025 |
| |
| 基金项目： | 国家自然科学基金联合基金重点项目(U1836205);国家自然科学基金重大研究计划项目(91746116);贵州省重大应用基础研究项目(黔科合JZ字[2014]2001);贵州省科技重大专项计划(黔科合重大专项字[2017]3002);贵州省自然科学基金(黔科合基础[2018]1035) |
| |
| 摘 要： | 为改进传统特征方法很难获取中文句子中结构信息的问题,提出一种基于深度神经网络的句法要素识别模型。采用Bi-LSTM网络从原始数据中自动抽取句子中的结构信息和语义信息,利用Attention机制自动计算抽象语义特征的分类权重,通过CRF层对输出标签进行约束,输出最优的标注序列。经过对比验证,该模型能有效识别句子中的句法要素,在标注数据集上F1达到84.85%。
|
| 关 键 词： | 句法要素 信息抽取 深度神经网络 |
| 收稿时间： | 2019-06-16 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《山东大学学报(工学版)》浏览原始摘要信息 |
|
点击此处可从《山东大学学报(工学版)》下载全文 |
|
