基于神經網絡的端到端的事件指代消解研究

摘要：事件作為文本信息的關鍵語義組件,對篇章的理解具有重要意義。由于事件具有自身包含信息豐富、表達方式多樣,以及在文本中分布稀疏等特點,使得事件指代消解成為自然語言處理領域的一個難點任務。在以往的事件指代消解任務中,多借助人工提取詞匹配和句法結構等信息,再基于這些抽取的特征進行消解,然而這些特征并不能有效地處理具有復雜語義的事件任務。該文提出一種端到端的神經網絡模型,通過多種詞表征、雙向循環神經網絡和注意力機制來學習上下文的語義內容,從而完成事件的指代消解任務。在KBP2015、2016數據集上進行的事件指代消解實驗驗證了該文給出模型的有效性。實驗結果表明,該神經網絡模型能很好地理解文本語義信息,捕捉關鍵單詞,提高事件指代消解任務的性能,最終端到端的事件指代消解性能在CoNLL評測標準下達到39.9%的F1值。