模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2019, Vol. 32 Issue (12): 1100-1106    DOI: 10.16451/j.cnki.issn1003-6059.201912005
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
融合依存关系和篇章修辞关系的事件时序关系识别
戴倩雯1, 张龙印1, 孔芳1
1.苏州大学 计算机科学与技术学院 自然语言处理实验室 苏州 215006
Event Temporal Relation Identification Based on Dependency and Textual Rhetoric Relation
DAI Qianwen1, ZHANG Longyin1, KONG Fang1
1.Natural Language Processing Laboratory, School of Computer Science and Technology, Soochow University, Suzhou 215006

全文: PDF (634 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 已有事件间时序关系识别只考虑两个事件所在上下文的局部信息,忽略事件间篇章视角的关联关系.针对这一问题,文中给出融合句子级依存关系和篇章层修辞关系的事件时序关系识别方法.将事件间关联关系分两部分进行表征:事件所在句子的依存路径信息和事件所在基本篇章单元间的修辞关系信息.基于这一表征体系构建可以捕获更多有效信息的神经网络模型,提高事件时序关系识别的性能.在TimeBank-Dense语料上的一系列实验验证文中方法的优越性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
戴倩雯
张龙印
孔芳
关键词 时序关系依存关系篇章修辞关系    
Abstract:In the identification of temporal relation between the existing events, only the local context of two events is taken into account and the relationship between the events from the perspective of discourse is neglected. To address this issue, a method to identify the temporal relation of events is proposed by combining the discourse rhetoric relation and intra-sentential dependency relation. The inter-event correlation is represented from two aspects, the shortest dependency path between events and the rhetorical relationship between the elementary discourse units of the events location. Based on this representation system, a neural network model is built to capture more effective information and improve the performance of event temporal relation identification. A series of experiments on Timebank-Dense corpus show the superiority of the proposed method.
Key wordsTemporal Relation    Dependency Relation    Textual Rhetoric Relation   
收稿日期: 2019-09-06     
ZTFLH: TP 39  
基金资助:国家自然科学基金重点项目(No.61836007)、国家自然科学基金项目(No.61876118)资助
通讯作者: 孔 芳,博士,教授,主要研究方向为自然语言理解、篇章分析、机器学习.E-mail:kongfang@suda.edu.cn.   
作者简介: 戴倩雯,硕士研究生,主要研究方向为时序关系抽取.E-mail:20174227011@stu.suda.edu.cn.张龙印,博士研究生,主要研究方向为篇章分析、机器学习.E-mail:lyzhang7@stu.suda.edu.cn.
引用本文:   
戴倩雯, 张龙印, 孔芳. 融合依存关系和篇章修辞关系的事件时序关系识别[J]. 模式识别与人工智能, 2019, 32(12): 1100-1106. DAI Qianwen, ZHANG Longyin, KONG Fang. Event Temporal Relation Identification Based on Dependency and Textual Rhetoric Relation. , 2019, 32(12): 1100-1106.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201912005      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2019/V32/I12/1100
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn