• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《中国电子科学研究院学报》 >基于指针网络的突发事件抽取对抗学习方法

基于指针网络的突发事件抽取对抗学习方法

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

事件抽取是抽取冗余非结构化文本中重要事件要素的关键技术,可用于重要信息的结构化存储与获取。常用的事件抽取方法如CRF存在事件要素抽取断裂,模型泛化能力弱的问题。为解决上述问题,本文提出基于预训练模型BERT的双向长短时记忆和SPAN指针网络混合模型(BERT-BiLSTM-SPAN),用于非结构化事件文本中的要素抽取。预训练模型BERT用于获取突发事件CEC数据集的语义嵌入特征向量,语义嵌入特征向量作为BiLSTM-SPAN网络的输入完成事件要素的提取并利用指针结构减少要素断裂。为增强模型的泛化能力,在BERT-BiLSTM-SAPN训练过程中加入对抗训练及使用标签平滑损失函数。实验结果表明,本文所提出的BERT-BiLSTM-SPAN算法在精准率、召回率、F1三个指标上较BERT-BiLSTM-CRF模型分别平均提高5.02%、14.63%、9.80%。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号