一种基于深度神经网络的句法要素识别方法
陈艳平1,2(![](http://gxbwk.njournal.sdu.edu.cn/images/email.png)
![](http://gxbwk.njournal.sdu.edu.cn/images/email.png)
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: 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 CHEN1,2(![](http://gxbwk.njournal.sdu.edu.cn/images/email.png)
![](http://gxbwk.njournal.sdu.edu.cn/images/email.png)
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:
2020-04-16Contact:
Li FENG E-mail:ypench@gmail.com;gzu_fl931126@163.comSupported 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