-
题名基于上下文语义增强的实体关系联合抽取
被引量：1
- 1
-
-
作者
雷景生
剌凯俊
杨胜英
吴怡
-
机构
浙江科技学院信息与电子工程学院
浙江省肿瘤医院
-
出处
《计算机应用》
CSCD
北大核心
2023年第5期1438-1444,共7页
-
基金
国家自然科学基金资助项目(61972357)
浙江省重点研发计划项目(2019C03135)
浙江省医药卫生科技计划项目(2022KY104)。
-
文摘
基于span的联合抽取模型在实体和关系抽取(RE)任务中共享实体span的语义表示,能有效降低流水线模型带来的级联误差,但现有模型无法充分地将上下文信息融入实体和关系的表示中。针对上述问题,提出一个基于上下文语义增强的实体关系联合抽取(JERCE)模型。首先通过对比学习的方法获取句子级文本和实体间文本的语义特征表示;然后,将该表示加入实体和关系的表示中,对实体关系进行联合预测;最后,动态调整两个任务的损失以使联合模型的整体性能最优化。在公共数据集CoNLL04、ADE和ACE05上进行实验,结果显示JERCE模型与触发器感知记忆流框架(TriMF)相比,实体识别F1值分别提升了1.04、0.13和2.12个百分点,RE的F1值则分别提升了1.19、1.14和0.44个百分点。实验结果表明,JERCE模型可以充分获取上下文中的语义信息。
-
关键词
命名实体识别
关系抽取
对比学习
文本span
加权损失
-
Keywords
Named Entity Recognition(NER)
Relation Extraction(RE)
contrastive learning
text span
weighted loss
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP391.1
[自动化与计算机技术—控制科学与工程]
-
-
题名语篇关系的语言实现
被引量：1
- 2
-
-
作者
彭静
-
机构
重庆大学外国语学院
-
出处
《外语与外语教学》
CSSCI
北大核心
2008年第10期21-25,共5页
-
基金
重庆市教委人文社科研究项目“基于概念自主依存联结的句法标注体系研究”成果之一(项目编号:07SK158)
-
文摘
基于语料库方法，本文在修辞结构理论框架下利用RST工具标注了小型封闭语篇树库，设计标注模式，着重研究了四级作文语篇中语篇关系的语言实现形式问题：研究发现，语篇关系在不同分数等级的作文中关于语篇关系结构段顺序的安排，关鹾触发语位置的选择，标点符号的使用及垃置安排，以及语篇关系结构段的长短等方面均呈现相应的特征。本文为这些特征提供了量化袄据，对于作文语篇中语篇关系的谋篇风格有一定的揭示意义。
-
关键词
语篇关系
语言实现
结构段
触发语
-
Keywords
discourse relation
Language forms
text span
marker
-
分类号
H0
[语言文字—语言学]
-
-
题名莫言获“诺”奖与当代传媒文化创新
- 3
-
-
作者
廖奔
-
机构
中国作家协会
-
出处
《艺术百家》
CSSCI
北大核心
2013年第2期1-10,共10页
-
文摘
电影《红高梁》的世界性影响力和它对莫言的助力,促成了莫言获得"诺贝尔"文学奖。中国当代传媒文化的兴盛,使一批作家乐于与影视剧合作。文学从单纯文本形式的传播,跨越到现代传媒时代的结果,是为创新的艺术样式服务的社会需求剧增。这种需求带来小说与影视剧创作转换的大量实践,也给编剧理论提出新的命题。不同艺术门类之间有不同的规律,我们必须敬畏这些规律,学习掌握和驾驭这些规律,然后才有可能获得成功。
-
关键词
当代中国
影视艺术
影像传播
意象转换
改编语汇
文体跨越
传媒文化
文化
创新
-
Keywords
Contemporary China
Film and TV Art
Image Transmission
Image Transformation
Adaptation Lan-guage
text span
Media Culture
Cuhural Innovation
-
分类号
J0
[艺术—艺术理论]
-
-
题名结合依存图卷积与文本片段搜索的方面情感三元组抽取
被引量：5
- 4
-
-
作者
徐康
李霏
姬东鸿
-
机构
武汉大学国家网络安全学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第4期61-67,共7页
-
基金
国家自然科学基金(62176187)
国家重点研发计划(2017YFC1200500)
+2 种基金
教育部哲学社会科学研究重大课题攻关项目(18JZD015)
教育部人文社科青年基金(22YJCZH064)
湖北省自然科学基金(2021CFB385)。
-
文摘
现有基于序列标注或文本生成的三元组抽取模型通常未考虑完整文本片段级别的交互,且忽略了句法知识的应用。为解决上述问题,提出一种基于依存图卷积与文本片段搜索的深度学习模型来联合抽取方面情感三元组。通过预训练语言模型BERT编码层学习句子中每个单词的上下文表达,同时利用图卷积神经网络学习句子单词之间的依存关系和句法标签信息,以捕获远距离的方面词与观点词之间的语义关联关系,并采用文本片段搜索构造候选方面词与观点词及其特征表示,最终使用多个分类器同时进行方面词与观点词抽取及情感极性判断。在ASTE-Data-V2数据集上的实验结果表明,该模型在14res、14lap、15res和16res子集上的F1值相比于JET模型提升了10.61、10.54、4.91和8.48个百分点,具有较高的方面情感三元组抽取效率。
-
关键词
方面情感三元组抽取
图卷积神经网络
深度学习
依存句法分析
文本片段搜索
-
Keywords
Aspect Sentiment Triple Extraction(ASTE)
graph convolution neural network
deep learning
dependency syntactic parsing
text span search
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于政策法规数据的嵌套命名实体识别研究
- 5
-
-
作者
徐晗
梁曌
梁小林
-
机构
长沙理工大学数学与统计学院
-
出处
《湖南文理学院学报（自然科学版）》
CAS
2024年第3期19-23,29,共6页
-
基金
国家自然科学基金重点项目(51839002)
湖南省自然科学基金资助项目(2021JJ30734)
湖南省研究生创新性课题(CX20220952)。
-
文摘
针对政策法规文本数据中常常出现的嵌套实体问题进行了分析,构建了一个融合双仿射变换的指针网络模型。该模型使用指针网络替代传统的条件随机场模型来降低计算复杂度,配合双仿射变换模块解决嵌套实体问题,同时定义了一个新的损失函数解决命名实体的稀疏性问题。实验结果表明,该模型改善了传统组合模型在政策法规数据上出现的过拟合及实际预测效果欠佳的问题,在自建政策法规数据中取得了较好的结果,F1得分达到了78.41%,相对传统方法提升明显。
-
关键词
命名实体识别
政策文本挖掘
嵌套实体
自然语言处理
Bert-BiLSTM-Biaffine-span模型
-
Keywords
named entity recognition
policy text mining
nested entity
natural language processing
Bert-BiLSTM-Biaffine-span model
-
分类号
O213
[理学—概率论与数理统计]
TP181
[理学—数学]
-
