文档名：基于序列到序列模型的法律问题关键词抽取
传统的关键词抽取算法不能够抽取那些没有在文本当中出现过的关键词,因此传统的关键词抽取算法在抽取法律问题(短文本)的关键词任务上效果不佳.本文提出了一种基于强化学习的序列到序列(seq2seq)模型从法律问题中抽取关键词.首先,编码器将给定法律问题文本的语义信息压入一个密集矢量;然后,解码器自动生成关键词.因为在关键词抽取任务中,生成的关键词的前后顺序无关紧要,所以引入强化学习来训练我们的模型.所提出的模型结合了强化学习在决策上的优势和序列到序列模型在长期记忆方面的优势,在真实数据集上的实验结果表明,带有强化学习的序列到序列模型在关键词抽取任务上有较好的实验效果.
作者：曾道建 童国维 戴愿 李峰 韩冰 谢松县
作者单位：长沙理工大学计算机与通信工程学院,湖南长沙410114;长沙理工大学综合交通运输大数据智能处理湖南省重点实验室,湖南长沙410114湖南数定智能科技有限公司,湖南长沙410013
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：法律文本 关键词抽取 序列到序列模型 强化学习
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:
- 946.51 KB
- 下载次数:
- 60
-
高速下载
|
|
