计算机工程

作者：贾旭楠, 魏庭新, 曲维光, 顾彦慧, 周俊生

单位：1. 南京师范大学 计算机科学与技术学院, 南京 210023;2. 南京师范大学 国际文化教育学院, 南京 210097;3. 南京师范大学 文学院, 南京 210097

关键词：复句判定,神经网络,复句关系识别,联合模型,语义建模

基金：国家自然科学基金“汉语抽象意义表示关键技术研究”（61772278）；江苏省高校哲学社会科学基金“面向机器学习的汉语复句语料库建设研究”（2019JSA0220）。

复句是自然语言的基本单位之一，复句的判定及其语义关系的识别，对于句法解析、篇章理解等都有着非常重要的作用。基于神经网络模型识别自然语料中的复句，判断其复句关系，构造复句判定和复句关系识别联合模型，以最大程度地减少误差传递。在复句判定任务中通过Bi-LSTM获得上下文语义信息，采用注意力机制捕获句内跨距离搭配信息，利用CNN捕获句子局部信息。在复句关系识别任务中，使用Bert增强句子的语义表示，运用Tree-LSTM对句法结构和成分标记进行建模。在CAMR中文语料上的实验结果表明，基于注意力机制的复句判定模型F1值达到91.7%，基于Tree-LSTM的复句关系识别模型F1值达到69.15%。在联合模型中，2项任务的F1值分别达到92.15%和66.25%，说明联合学习能够使不同任务获得更多特征，从而提高模型性能。

来源：2021年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第11期