基于组合神经网络的语义省略“的”字结构识别

侍冰清¹, 戴茹冰², 曲维光^1,2,3,†, 顾彦慧¹, 周俊生¹, 李斌², 徐戈³, 史胜旺¹

1. 南京师范大学计算机科学与技术学院, 南京 210023
2. 南京师范大学文学院, 南京 210097
3. 闽江学院福建省信息处理与智能控制重点实验室, 福州 350121

收稿日期:2018-04-15修回日期:2018-08-15出版日期:2019-01-20

基金资助:国家自然科学基金(61772278, 61472191)、江苏省高校哲学社会科学优秀创新团队项目(2017STD006)和福建省信息处理与智能控制重点实验室开放基金(MJUKF201705)资助

Hybrid Neural Network for Recognition of the “de” Structure with Semantic Ellipsis

SHI Bingqing¹, DAI Rubing², QU Weiguang^1,2,3,†, GU Yanhui¹, ZHOU Junsheng¹, LI Bin², XU Ge³, SHI Shengwang¹

1. School of Computer Science and Technology, Nanjing Normal University, Nanjing 210023
2. School of Chinese Language and Literature, Nanjing Normal University, Nanjing 210097
3. Fujian Provincial Key Laboratory of Information Processiong and Intelligent Control, Minjiang University, Fuzhou 350121

Received:2018-04-15Revised:2018-08-15Published:2019-01-20

RichHTML

0

PDF

(893KB)

可视化

0

复制本文网址

1. 探讨2016版国际胰瘘研究小组定义和分级系统对胰腺术后患者胰瘘分级的影响.PDF(500KB)

-->

摘要/Abstract

摘要： 针对语义省略“的”字结构识别任务, 提出一种基于组合神经网络的识别方法。利用词语和词性, 通过双向LSTM (long short-term memory)神经网络, 学习“的”字结构深层次的语义语法表示。通过Max-pooling层和基于GRU(gated recurrent unit)的多注意力层, 捕获“的”字结构的省略特征, 完成语义省略“的”字结构识别任务。实验结果表明, 所提模型在CTB8.0(Chinese Treebank 8.0)语料中, 能够有效地识别语义省略的“的”字结构, F1值达到96.67%。

引用本文

侍冰清, 戴茹冰, 曲维光, 顾彦慧, 周俊生, 李斌, 徐戈, 史胜旺. 基于组合神经网络的语义省略“的”字结构识别[J]. 北京大学学报自然科学版, 2019, 55(1): 75-83.
SHI Bingqing, DAI Rubing, QU Weiguang, GU Yanhui, ZHOU Junsheng, LI Bin, XU Ge, SHI Shengwang. Hybrid Neural Network for Recognition of the “de” Structure with Semantic Ellipsis[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2019, 55(1): 75-83.





PDF全文下载地址:

http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3303