BGCN:基于BERT和图卷积网络的触发词检测

BGCN:基于BERT和图卷积网络的触发词检测

TP183; 触发词检测是事件抽取的一项基本任务,该任务涉及对触发词进行识别和分类.目前,已有工作主要存在两方面的问题:1)用于触发词检测的神经网络模型只考虑了句子的顺序表示,且通过顺序建模的方法在捕捉长距离依赖关系时效率较低;2)基于表示的方法虽然解决了手动提取特征的问题,但用作初始训练特征的词向量对句子的表示程度有所欠缺,难以捕捉深层的双向表征.因此,文中提出了一种基于BERT模型和GCN网络的触发词检测模型BGCN,该模型通过引入BERT词向量来强化特征表示,并引入句法结构来捕捉长距离依赖,对事件触发词进行检测.实验结果表明,所提方法在ACE2005数据集上的表现优于其他现有的神经网络模...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:计算机科学 2021, Vol.48 (7), p.292-298
Hauptverfasser: 程思伟, 葛唯益, 王羽, 徐建
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 298
container_issue 7
container_start_page 292
container_title 计算机科学
container_volume 48
creator 程思伟
葛唯益
王羽
徐建
description TP183; 触发词检测是事件抽取的一项基本任务,该任务涉及对触发词进行识别和分类.目前,已有工作主要存在两方面的问题:1)用于触发词检测的神经网络模型只考虑了句子的顺序表示,且通过顺序建模的方法在捕捉长距离依赖关系时效率较低;2)基于表示的方法虽然解决了手动提取特征的问题,但用作初始训练特征的词向量对句子的表示程度有所欠缺,难以捕捉深层的双向表征.因此,文中提出了一种基于BERT模型和GCN网络的触发词检测模型BGCN,该模型通过引入BERT词向量来强化特征表示,并引入句法结构来捕捉长距离依赖,对事件触发词进行检测.实验结果表明,所提方法在ACE2005数据集上的表现优于其他现有的神经网络模型.
doi_str_mv 10.11896/jsjkx.200500133
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_jsjkx202107039</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>jsjkx202107039</wanfj_id><sourcerecordid>jsjkx202107039</sourcerecordid><originalsourceid>FETCH-wanfang_journals_jsjkx2021070393</originalsourceid><addsrcrecordid>eNpjYJAwNNAzNLSwNNPPKs7KrtAzMjAwNTAwNDZmYeA0NDAw0jU0No_gYOAtLs5MMjAyNjMBQkNOBmMnd2c_q6fzdz3Z1efkGhTydFLP09n7nvZuf758_fO9E5_vnvN8VsuL5cue9k98sb732eKGZ1u7eRhY0xJzilN5oTQ3g5qba4izh255Yl5aYl56fFZ-aVEeUCYe7BQjAyNDA3MDY0tjohUCAGbwSn4</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>BGCN:基于BERT和图卷积网络的触发词检测</title><source>DOAJ Directory of Open Access Journals</source><creator>程思伟 ; 葛唯益 ; 王羽 ; 徐建</creator><creatorcontrib>程思伟 ; 葛唯益 ; 王羽 ; 徐建</creatorcontrib><description>TP183; 触发词检测是事件抽取的一项基本任务,该任务涉及对触发词进行识别和分类.目前,已有工作主要存在两方面的问题:1)用于触发词检测的神经网络模型只考虑了句子的顺序表示,且通过顺序建模的方法在捕捉长距离依赖关系时效率较低;2)基于表示的方法虽然解决了手动提取特征的问题,但用作初始训练特征的词向量对句子的表示程度有所欠缺,难以捕捉深层的双向表征.因此,文中提出了一种基于BERT模型和GCN网络的触发词检测模型BGCN,该模型通过引入BERT词向量来强化特征表示,并引入句法结构来捕捉长距离依赖,对事件触发词进行检测.实验结果表明,所提方法在ACE2005数据集上的表现优于其他现有的神经网络模型.</description><identifier>ISSN: 1002-137X</identifier><identifier>DOI: 10.11896/jsjkx.200500133</identifier><language>chi</language><publisher>南京理工大学计算机科学与工程学院 南京 210094%中国电子科技集团公司第二十八研究所信息系统工程重点实验室 南京 210007</publisher><ispartof>计算机科学, 2021, Vol.48 (7), p.292-298</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/jsjkx/jsjkx.jpg</thumbnail><link.rule.ids>314,776,780,860,4010,27900,27901,27902</link.rule.ids></links><search><creatorcontrib>程思伟</creatorcontrib><creatorcontrib>葛唯益</creatorcontrib><creatorcontrib>王羽</creatorcontrib><creatorcontrib>徐建</creatorcontrib><title>BGCN:基于BERT和图卷积网络的触发词检测</title><title>计算机科学</title><description>TP183; 触发词检测是事件抽取的一项基本任务,该任务涉及对触发词进行识别和分类.目前,已有工作主要存在两方面的问题:1)用于触发词检测的神经网络模型只考虑了句子的顺序表示,且通过顺序建模的方法在捕捉长距离依赖关系时效率较低;2)基于表示的方法虽然解决了手动提取特征的问题,但用作初始训练特征的词向量对句子的表示程度有所欠缺,难以捕捉深层的双向表征.因此,文中提出了一种基于BERT模型和GCN网络的触发词检测模型BGCN,该模型通过引入BERT词向量来强化特征表示,并引入句法结构来捕捉长距离依赖,对事件触发词进行检测.实验结果表明,所提方法在ACE2005数据集上的表现优于其他现有的神经网络模型.</description><issn>1002-137X</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2021</creationdate><recordtype>article</recordtype><recordid>eNpjYJAwNNAzNLSwNNPPKs7KrtAzMjAwNTAwNDZmYeA0NDAw0jU0No_gYOAtLs5MMjAyNjMBQkNOBmMnd2c_q6fzdz3Z1efkGhTydFLP09n7nvZuf758_fO9E5_vnvN8VsuL5cue9k98sb732eKGZ1u7eRhY0xJzilN5oTQ3g5qba4izh255Yl5aYl56fFZ-aVEeUCYe7BQjAyNDA3MDY0tjohUCAGbwSn4</recordid><startdate>2021</startdate><enddate>2021</enddate><creator>程思伟</creator><creator>葛唯益</creator><creator>王羽</creator><creator>徐建</creator><general>南京理工大学计算机科学与工程学院 南京 210094%中国电子科技集团公司第二十八研究所信息系统工程重点实验室 南京 210007</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2021</creationdate><title>BGCN:基于BERT和图卷积网络的触发词检测</title><author>程思伟 ; 葛唯益 ; 王羽 ; 徐建</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_jsjkx2021070393</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2021</creationdate><toplevel>online_resources</toplevel><creatorcontrib>程思伟</creatorcontrib><creatorcontrib>葛唯益</creatorcontrib><creatorcontrib>王羽</creatorcontrib><creatorcontrib>徐建</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>计算机科学</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>程思伟</au><au>葛唯益</au><au>王羽</au><au>徐建</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>BGCN:基于BERT和图卷积网络的触发词检测</atitle><jtitle>计算机科学</jtitle><date>2021</date><risdate>2021</risdate><volume>48</volume><issue>7</issue><spage>292</spage><epage>298</epage><pages>292-298</pages><issn>1002-137X</issn><abstract>TP183; 触发词检测是事件抽取的一项基本任务,该任务涉及对触发词进行识别和分类.目前,已有工作主要存在两方面的问题:1)用于触发词检测的神经网络模型只考虑了句子的顺序表示,且通过顺序建模的方法在捕捉长距离依赖关系时效率较低;2)基于表示的方法虽然解决了手动提取特征的问题,但用作初始训练特征的词向量对句子的表示程度有所欠缺,难以捕捉深层的双向表征.因此,文中提出了一种基于BERT模型和GCN网络的触发词检测模型BGCN,该模型通过引入BERT词向量来强化特征表示,并引入句法结构来捕捉长距离依赖,对事件触发词进行检测.实验结果表明,所提方法在ACE2005数据集上的表现优于其他现有的神经网络模型.</abstract><pub>南京理工大学计算机科学与工程学院 南京 210094%中国电子科技集团公司第二十八研究所信息系统工程重点实验室 南京 210007</pub><doi>10.11896/jsjkx.200500133</doi></addata></record>
fulltext fulltext
identifier ISSN: 1002-137X
ispartof 计算机科学, 2021, Vol.48 (7), p.292-298
issn 1002-137X
language chi
recordid cdi_wanfang_journals_jsjkx202107039
source DOAJ Directory of Open Access Journals
title BGCN:基于BERT和图卷积网络的触发词检测
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-30T21%3A26%3A13IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=BGCN:%E5%9F%BA%E4%BA%8EBERT%E5%92%8C%E5%9B%BE%E5%8D%B7%E7%A7%AF%E7%BD%91%E7%BB%9C%E7%9A%84%E8%A7%A6%E5%8F%91%E8%AF%8D%E6%A3%80%E6%B5%8B&rft.jtitle=%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%A7%91%E5%AD%A6&rft.au=%E7%A8%8B%E6%80%9D%E4%BC%9F&rft.date=2021&rft.volume=48&rft.issue=7&rft.spage=292&rft.epage=298&rft.pages=292-298&rft.issn=1002-137X&rft_id=info:doi/10.11896/jsjkx.200500133&rft_dat=%3Cwanfang_jour%3Ejsjkx202107039%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=jsjkx202107039&rfr_iscdi=true