| 基于偽觸發(fā)詞的并行預測篇章級事件抽取方法 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：wwei | |
| 文檔大小：3715 K | |
| 標簽： 篇章級事件抽取 多任務聯(lián)合 預訓練語言模型 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：篇章級事件抽取一般將事件抽取任務分為候選實體識別、事件檢測和論元識別3個子任務，然后采用級聯(lián)的方式依次進行，這樣的方式會造成誤差傳遞；另外，現(xiàn)有的大多數(shù)模型在解碼事件時，對事件數(shù)量的預測隱含在解碼過程中，且只能按照預定義的事件順序及預定義的角色順序預測事件論元，使得先抽取的事件并沒有考慮到后面抽取的事件。針對以上問題提出一種多任務聯(lián)合的并行預測事件抽取框架。首先，使用預訓練語言模型作為文檔句子的編碼器，檢測文檔中存在的事件類型，并使用結(jié)構(gòu)化自注意力機制獲取偽觸發(fā)詞特征，預測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行交互，并行預測每個事件對應的事件論元，在大幅縮減模型訓練時間的同時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%，事件類型檢測子任務F1值為98.7%，事件數(shù)量預測子任務F1值為90.1%，實體識別子任務F1值為90.3%。 | |
| 現(xiàn)在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
篇章級事件抽取 相關(guān)資源
wwei 的最新分享
- 數(shù)字經(jīng)濟下跨境避稅與反避稅規(guī)則研究
- 生成式人工智能在偵查訊問中的應用——基礎(chǔ)、嘗試、風險及對策建議
- 司法自動化決策的紓困原理與算法解釋權(quán)路徑展開
- 藏文網(wǎng)絡(luò)敏感信息檢測研究
- 醫(yī)療人工智能領(lǐng)域同意規(guī)則的困境與出路
- 元宇宙環(huán)境中版權(quán)保護的邏輯轉(zhuǎn)型與規(guī)則發(fā)展
- 數(shù)據(jù)分級分類授權(quán)確權(quán)的空間治理之道——基于國內(nèi)外數(shù)據(jù)管理實踐展開
- 基于數(shù)據(jù)中臺的地理信息要素融合治理的構(gòu)想與實踐
Copyright ? 2005-2024 華北計算機系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號-2