文档名：基于多特征融合编码的神经网络依存句法分析模型
在基于神经网络的依存句法分析中,对分析栈和决策层信息的表示和利用依然有值得深入研究的空间.针对分析栈的表示,已有工作并没有对单棵依存子树独立编码表示,导致无法利用各个依存子树的局部特征;也没有对生成的依存弧序列进行编码,导致无法利用依存弧的全局信息.针对决策层的表示,已有工作利用MLP预测转移动作,该结构无法利用历史决策动作的信息.对此,本文提出基于多特征融合编码的神经网络依存句法分析模型,基于依存子树和历史生成的依存弧表示分析栈,利用TreeLSTM网络编码依存子树信息,利用LSTM网络编码历史生成的依存弧序列,以更好的表示分析栈的局部信息和全局信息.进一步,本文提出基于LSTM网络的结构预测转移动作序列,引入历史决策动作信息作为特征辅助当前决策.以汉语为具体研究对象,在CTB5汉语依存分析数据上验证本文提出的多特征融合编码的神经网络模型,实验结果显示,汉语依存句法分析性能得到改进,在目前公布的基于转移的分析系统中取得最好成绩,在UAS和LAS评价指标上分别达到87.8％和86.8％的精度,表明本文提出的对依存子树局部特征、以及历史依存弧信息和历史决策动作信息的编码方法在改进依存分析模型性能方面的有效性.
作者：刘明童张玉洁徐金安陈钰枫
作者单位：北京交通大学计算机与信息技术学院,北京100044
母体文献：第十七届全国计算语言学学术会议暨第六届基于自然标注大数据的自然语言处理国际学术研讨会(CCL2018)论文集
会议名称：第十七届全国计算语言学学术会议暨第六届基于自然标注大数据的自然语言处理国际学术研讨会(CCL2018)
会议时间：2018年10月19日
会议地点：长沙
主办单位：中国中文信息学会
语种：chi
分类号：
关键词：依存句法分析 神经网络 多特征融合编码
在线出版日期：2021年9月13日
基金项目：
相似文献
相关博文
- 文件大小:
- 778.17 KB
- 下载次数:
- 60
-
高速下载
|
|
