基于XLNET和GAT的句法信息增强事件抽取模型

【目的】解决序列建模对触发词之间的长距离依赖关系和触发词与论元实体关系捕获不足的问题,提升事件抽取任务上的效果。【方法】提出一种基于预训练模型XLNET和图注意力网络GAT的句法信息增强事件抽取模型SEM-XG,通过预训练语言模型进行文本表示,引入依存句法树中依赖弧增强信息流,将单词看作图中的节点,使用图注意力网络进行图信息建模,得到融入句法信息的单词表示,从而联合抽取句子中的事件触发词和论元角色。在CNC数据集和ACE2005数据集上,开展实证研究。【结果】在CNC数据集上,SEM-XG在触发词分类任务上的F1值为94.4%,在论元分类任务上的F1值为94.0%。在ACE2005数据集上,SEM-XG在触发词分类任务上的F1值为76.7%,在论元分类任务上的F1值为66.3%。实验结果表明,本文模型能够有效提升事件抽取的效果。【局限】尚未探究联合事件抽取模型迁移到搜索引擎、智能问答等任务上的效果。【结论】通过句法信息增强以及图注意力网络建模,能够显著提升联合事件抽取的效果。本文对于触发词分类和论元分类,提升事件抽取在科技文献分析、信息检索等领域的应用效果具有重要参考意义。

全渠道式新零售模式研究及创新

随着传统零售业弊端的显露,新零售的浪潮已经涌入中国市场,但在融合的过程中,零售商难以真正从模式及技术层面上实现新零售转型。基于此,本文在充分调研的基础上,以全渠道模式为载体,从销售服务和供应两方面入手,整合提出了以消费者为核心的O2O背景下全渠道式新零售模式,以期为新零售的进一步发展提供参考。