基于BERT特征融合与膨胀卷积的汉语副词框架语义角色标注

汉语框架语义角色标注对汉语框架语义分析具有重要作用。目前汉语框架语义角色标注任务主要针对动词框架，但是汉语没有丰富的形态变化，很多语法意义都是通过虚词来表现的，其中副词研究是现代汉语虚词研究的重要部分，因此该文从副词角度出发构建了汉语副词框架及数据集，且对框架下的词元按照语义强弱进行了等级划分。目前的语义角色标注模型大多基于BiLSTM网络模型，该模型虽然可以很好地获取全局信息，但容易忽略句子局部特征，且无法并行训练。针对上述问题，该文提出了基于BERT特征融合与膨胀卷积的语义角色标注模型，该模型包括四层：BERT层用于表达句子的丰富语义信息，Attention层对BERT获取的每一层信息进行动态权重融合，膨胀卷积(IDCNN)层进行特征提取，CRF层修正预测标签。该模型在三个副词框架数据集上表现良好，F₁值均达到了82%以上。此外，将该模型应用于CFN数据集上，F₁值达到88.29%,较基线模型提升了4%以上。