公开(公告)号：CN110134720B

公开(公告)日：2021-02-09

申请号：CN201910412962.0

申请日：2019-05-17

Applicant: 苏州大学

Inventor： 孔芳 ,  张俊青 ,  周国栋

IPC: G06F16/2458 ,  G06F16/28 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种融合局部特征与深度学习的事件联合抽取方法。本发明融合局部特征与深度学习的事件联合抽取方法，包括：抽取实体、词性与依存分析，利用PV‑DM模型训练文档向量；学习隐藏特征，进入GCN；再次，识别出事件元素与事件触发之间的记忆单元，帮助识别事件类型与事件论元；最后，使用CRF对最终的事件类型进行标注，全连接层中，用Softmax函数对事件元素进行识别。本发明的有益效果：借助文档向量学习文章中的主旨信息，其次利用图卷积网络挖掘事件之间的联系，最后利用记忆单元与局部特征学习事件类型与事件元素之间的信息，以此完成事件联合抽取，提高其识别性能。

公开(公告)号：CN110134720A

公开(公告)日：2019-08-16

申请号：CN201910412962.0

申请日：2019-05-17

Applicant: 苏州大学

Inventor： 孔芳 ,  张俊青 ,  周国栋

IPC: G06F16/2458 ,  G06F16/28 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种融合局部特征与深度学习的事件联合抽取方法。本发明融合局部特征与深度学习的事件联合抽取方法，包括：抽取实体、词性与依存分析，利用PV-DM模型训练文档向量；学习隐藏特征，进入GCN；再次，识别出事件元素与事件触发之间的记忆单元，帮助识别事件类型与事件论元；最后，使用CRF对最终的事件类型进行标注，全连接层中，用Softmax函数对事件元素进行识别。本发明的有益效果：借助文档向量学习文章中的主旨信息，其次利用图卷积网络挖掘事件之间的联系，最后利用记忆单元与局部特征学习事件类型与事件元素之间的信息，以此完成事件联合抽取，提高其识别性能。