两阶段问答范式的生物医学事件触发词检测

现有的生物医学事件触发词检测存在以下缺陷:保留了与触发词无关的冗余信息;忽略了实体与事件之间的潜在关联性;传统方法容易受到数据稀缺性的影响。针对上述问题,提出了一种两阶段问答范式的生物医学事件触发词检测方法。在事件类型识别阶段,采用基于句法距离的注意力捕获更有意义的上下文特征,排除无关信息的干扰;为了有效利用实体中的潜在特征,采用全局统计的单词-实体-事件共现特征,指导事件类型感知注意力挖掘词与事件之间的强关联性。在触发词定位阶段,根据识别出的事件类型,制定问题回答该事件对应的触发词索引,从而利用丰富的问答数据库实现数据增强。在MLEE语料库上的结果表明,两阶段问答范式、句法距离和事件类型感知注意力都有效地提升了模型性能,所提出的模型取得了81.39%的F1分数,并在多个事件类型上的详细结果均优于其他基线模型。

结合句法增强的多通道方面级情感分析模型

方面级情感分析(ABSA)作为情感分析中的一项精细任务,旨在分析给定方面在特定语境中的情感极性。目前广泛使用的情感方法,大部分基于深度神经网络提取语义信息或者句法信息,在准确建模方面,词与观点词之间的关系存在不足。为解决上述问题,本文提出了结合句法增强的多通道方面级情感分析模型。该模型借助依存句法树,对句子中特定方面及其观点词进行建模,同时采用单词共现的方法构建单词共现图;分别使用图卷积神经网络提取图特征,同时利用Bi-GRU提取句子语义特征,最终将特征融合进行情感分类。经在3个经典数据集上验证,证明了该模型的有效性。