首页|融合多级语义特征的双通道GAN事件检测方法

融合多级语义特征的双通道GAN事件检测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
目前事件检测方法往往将句中事件视为独立个体,忽视了句子或文档内事件间的相关关系,且某些触发词在不同语境下可能触发不同事件,而多种语境下训练的词向量会引入与当前语境无语义关联的噪声.针对此问题,本文提出一种融合多级语义特征的双通道GAN事件检测方法,使用多级门限注意力机制获取句子级和文档级事件间的语义相关性,并利用双通道GAN及其自调节学习能力减轻噪声信息的影响,进而提高事件特征表示的准确性.在公开数据ACE2005英文语料上进行实验,F1值达到了77％,结果表明该方法能够有效获取事件间的语义相关性,并提高语境判定的准确性.
Double-Channel GAN with Multi-Level Semantic Correlation for Event Detection

潘丽敏、李筱雅、罗森林、吴舟婷

展开 >

北京理工大学信息与电子学院,北京100081

语义相关性 噪声 多级门限注意力 双通道GAN

国家“十二五”科技支撑计划项目北京理工大学基础研究基金国家“二四二”信息安全计划项目

2012BAI10B01201605420132017A149

2021

10.15918/j.tbit1001-0645.2019.177

北京理工大学学报
北京理工大学

北京理工大学学报

CSTPCDCSCD北大核心
影响因子：0.609
ISSN：1001-0645
年,卷(期)：2021.41(3)
  • 2
  • 3