基于联合学习的语言粒度融合的重叠事件抽取方法

事件抽取是一项重要的信息抽取任务,现有的事件抽取方法大多假设一个句子中仅出现一个事件,然而,在真实的场景下,重叠事件是难以避免的。文中提出了一种基于联合学习的语言粒度融合的重叠事件抽取方法。该方法设计了基于token数目逐层递增和逐层递减的策略,对不同语言粒度的片段进行表示,在此基础上,构建了渐进式语言粒度融合的句子表示。通过引入事件信息感知,建立了基于门控机制的语言粒度和事件信息融合的句子表示。最后,通过联合学习词间的片段关系和角色关系,实现对事件触发词、论元、事件类型和论元角色的判别。在FewFC和DuEE1.0-1数据集上进行了实验,所提LGFEE模型在事件类型判别任务上的F1值分别提高了0.8%和0.6%,在触发词识别、论元识别、论元角色分类任务上也获得了较高的召回率和F1值,验证了其有效性。

多层次重叠事件明晰复杂性——电影《撞车》解读

电影《撞车》的思想是通过多层次重叠事件明晰复杂性手法分析、表现今天复杂的社会生活。导演哈通过吉斯强有力的对生活中事件片断的分解与重组,以事件将人物间的关联与观众的经历链接;对定向、层次概念的把握与创造,打破了按层次划分独立事件的电影叙事理念,为观众提供了震撼心灵的生活体验。

基于注意力机制的二进制标注事件抽取方法

本文提出了一种新型的二进制框架BinaryEE。首先,利用相似度函数衡量句子中存在的事件类型,然后利用注意力机制的序列标注模型抽取事件触发词和事件元素。另在一个公共的事件抽取数据集FewFC进行评估。实验表明,与之前的方法相比,BinaryEE在重叠事件抽取问题上实现了良好的效果。

排球视频中结合似然度与粒子滤波的运动员跟踪方法

为了解决排球视频中运动员重叠事件影响目标跟踪精度的问题,提出一种基于改进型粒子滤波的跟踪方法.首先,为每个跟踪目标标记一个不同颜色的标签,以此来检测重叠事件的发生,同时利用粒子滤波来跟踪目标.然后,当重叠事件发生时,根据目标的颜色似然度和距离似然度计算综合似然度,以此来避免粒子聚集到一个目标上.最后,根据位置预测模型来预测目标位置,实现目标的实时跟踪.实验结果表明,提出的方法能够对重叠事件具有鲁棒性,跟踪准确率达到了80%.

现代性对传统民族精神的侵入——解析《蒙古精神》

电影《撞车》的思想是通过多层次重叠事件明晰复杂性手法分析、表现今天复杂的社会生活。导演哈通过吉斯强有力的对生活中事件片断的分解与重组,以事件将人物间的关联与观众的经历链接;对定向、层次概念的把握与创造,打破了按层次划分独立事件的电影叙事理念,为观众提供了震撼心灵的生活体验。