基于组合神经网络的语义省略“的”字结构识别

针对语义省略"的"字结构识别任务,提出一种基于组合神经网络的识别方法。利用词语和词性,通过双向LSTM (long short-term memory)神经网络,学习"的"字结构深层次的语义语法表示。通过Max-pooling层和基于GRU (gatedrecurrentunit)的多注意力层,捕获"的"字结构的省略特征,完成语义省略"的"字结构识别任务。实验结果表明,所提模型在CTB8.0 (ChineseTreebank 8.0)语料中,能够有效地识别语义省略的"的"字结构, F1值达到96.67%。