一种基于深度神经网络的句法要素识别方法

陈艳平^1,2(),冯丽^1,3,*(),秦永彬^1,2,黄瑞章^1,2

1. 贵州大学计算机科学与技术学院，贵州 贵阳550025
2. 数据融合与分析实验室(贵州大学)，贵州 贵阳550025
3. 贵州省智能人机交互工程技术研究中心，贵州 贵阳550025

收稿日期:2019-06-16出版日期:2020-04-20发布日期:2020-04-16
通讯作者:冯丽E-mail:ypench@gmail.com;gzu_fl931126@163.com
作者简介:陈艳平(1980—)，男，贵州安顺人，博士，副教授，主要研究方向为数据融合分析，自然语言处理，知识发现.E-mail: ypench@gmail.com
基金资助:国家自然科学基金联合基金重点项目(U1836205);国家自然科学基金重大研究计划项目(91746116);贵州省重大应用基础研究项目(黔科合JZ字[2014]2001);贵州省科技重大专项计划(黔科合重大专项字[2017]3002);贵州省自然科学基金(黔科合基础[2018]1035)

A syntactic element recognition method based on deep neural network

Yanping CHEN^1,2(),Li FENG^1,3,*(),Yongbin QIN^1,2,Ruizhang HUANG^1,2

1. School of Computer Science and Technology, Guizhou University, Guiyang 550025, Guizhou, China
2. Data Fusion and Analysis Laboratory (Guizhou University), Guiyang 550025, Guizhou, China
3. Guizhou Intelligent Human-Computer Interaction Engineering Technology Research Center, Guiyang 550025, Guizhou, China

Received:2019-06-16Online:2020-04-20Published:2020-04-16
Contact:Li FENG E-mail:ypench@gmail.com;gzu_fl931126@163.com

Supported by:国家自然科学基金联合基金重点项目(U1836205);国家自然科学基金重大研究计划项目(91746116);贵州省重大应用基础研究项目(黔科合JZ字[2014]2001);贵州省科技重大专项计划(黔科合重大专项字[2017]3002);贵州省自然科学基金(黔科合基础[2018]1035)

摘要/Abstract

摘要： 为改进传统特征方法很难获取中文句子中结构信息的问题，提出一种基于深度神经网络的句法要素识别模型。采用Bi-LSTM网络从原始数据中自动抽取句子中的结构信息和语义信息，利用Attention机制自动计算抽象语义特征的分类权重，通过CRF层对输出标签进行约束，输出最优的标注序列。经过对比验证，该模型能有效识别句子中的句法要素，在标注数据集上F₁达到84.85%。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1908