面向图注意力网络的突发热点事件联合抽取

当前,突发热点事件的传播日益迅猛与广泛.如何通过事件抽取准确快速地抽取出事件触发词及其事件元素,有助于决策者分析舆情态势、引导社会舆论.针对现有事件抽取方法多是从单个句子中抽取事件元素,而突发热点事件的事件元素往往分布在多个句子当中的问题,提出了一种基于图注意力网络的突发热点事件联合抽取方法,该方法分为三个阶段:基于TextRank的事件句抽取、基于图注意力网络的篇章级事件联合抽取、突发热点事件补全.在抽取出新闻主旨事件以后对整篇新闻做事件抽取,利用候选事件与新闻主旨事件的事件向量相似度以及事件论元相似度对该新闻主旨事件进行补全.实验结果表明,该方法在DUEE1.0数据集上进行触发词抽取和论元角色抽取任务时的F1指标分别达到83.2%、59.1%;在中文突发事件语料库上进行触发词抽取和论元角色抽取任务时的F1指标分别达到82.7%、58.7%,验证了模型的合理性和有效性.

基于Att-BiGRU的演化关系抽取方法研究

针对传统方法在通用性、特征提取和事件所在上下文的深层语义等方面存在的问题,本文提出了一种基于注意力的双向门控循环单元(At tent ion Bidi rect iona l Gated Recur rent Uni t,At t-BiGRU)演化关系抽取模型。通过注意力机制与BiGRU的结合,来突出和强调指定词组对句子整体的一个贡献度,从而加强演化关系抽取中的关键词汇的语义和信息,最终提高事件抽取的准确性。实验结果表明,该模型用于突发事件演化关系抽取中抽取的演化关系的Precision、Recall和F_(1)值都取得了较高的值,相较于现有的一些方法有很大的提升。