相关文档

基于BiLSTM的公共安全事件触发词识别

提出基于双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)和前向神经网络的融合模型完成公共安全事件的触发词识别任务.首先通过BiLSTM提取整段文本的高层语义特征,避免了以往机器学习方法需要人工提取特征的问题,其次采用特征拼接并在前向神经网络中识别并分类事件触发词.实验结果表明相较于基准模型,本文方法在中文突发事件语料库(Chinese emergency corpus,CEC)上取得了更为突出的性能,Micro-F1值为78.47%.此外本文讨论了不同拼接特征在触发词识别任务中的重要性,对文本分析中3类特征(词性、句法、实体)的重要程度进行了比较和分析,得出句法特征对于事件触发词识别任务助益最大的结论.
团购合买资源类别:文库,文档格式:PDF,文档页数:7,文件大小:798.92KB
点击进入文档下载页(PDF格式)
已到末页,全文结束
点击下载(PDF格式)

浏览记录