期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到184篇文章
< 1 2 … 10 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
A document-level model for tweet event detection 认领 引用
1
作者 Qin Yanxia Zhang Yue +1 位作者 Zhang Min Zheng Dequan 《High Technology Letters》 EI CAS 2018年第2期208-218,共11页
Social media like Twitter who serves as a novel news medium and has become increasingly popular since its establishment. Large scale first-hand user-generated tweets motivate automatic event detection on Twitter. Prev... Social media like Twitter who serves as a novel news medium and has become increasingly popular since its establishment. Large scale first-hand user-generated tweets motivate automatic event detection on Twitter. Previous unsupervised approaches detected events by clustering words. These methods detect events using burstiness,which measures surging frequencies of words at certain time windows. However,event clusters represented by a set of individual words are difficult to understand. This issue is addressed by building a document-level event detection model that directly calculates the burstiness of tweets,leveraging distributed word representations for modeling semantic information,thereby avoiding sparsity. Results show that the document-level model not only offers event summaries that are directly human-readable,but also gives significantly improved accuracies compared to previous methods on unsupervised tweet event detection,which are based on words/segments. 展开更多
关键词 social media event detection twitter bursty unsupervised document-level
暂未订购 下载PDF
Storyline Extraction of Document-Level Events Using Large Language Models 认领 引用
2
作者 Ziyang Hu Yaxiong Li 《Journal of Computer and Communications》 2024年第11期162-172,共11页
This article proposes a document-level prompt learning approach using LLMs to extract the timeline-based storyline. Through verification tests on datasets such as ESCv1.2 and Timeline17, the results show that the prom... This article proposes a document-level prompt learning approach using LLMs to extract the timeline-based storyline. Through verification tests on datasets such as ESCv1.2 and Timeline17, the results show that the prompt + one-shot learning proposed in this article works well. Meanwhile, our research findings indicate that although timeline-based storyline extraction has shown promising prospects in the practical applications of LLMs, it is still a complex natural language processing task that requires further research. 展开更多
关键词 Document-Level Storyline Extraction Timeline Large Language Models Topological Structure of Storyline Prompt Learning
暂未订购 下载PDF
A multi-view heterogeneous and extractive graph attention network for evidential document-level event factuality identification 认领 引用
3
作者 Zhong QIAN Peifeng LI +1 位作者 Qiaoming ZHU Guodong ZHOU 《Frontiers of Computer Science》 SCIE EI CSCD 2025年第6期29-43,共15页
Evidential Document-level Event Factuality Identification(EvDEFI)aims to predict the factual nature of an event and extract evidential sentences from the document precisely.Previous work usually limited to only predic... Evidential Document-level Event Factuality Identification(EvDEFI)aims to predict the factual nature of an event and extract evidential sentences from the document precisely.Previous work usually limited to only predicting the factuality of an event with respect to a document,and neglected the interpretability of the task.As a more fine-grained and interpretable task,EvDEFI is still in the early stage.The existing model only used shallow similarity calculation to extract evidences,and employed simple attentions without lexical features,which is quite coarse-grained.Therefore,we propose a novel EvDEFI model named Heterogeneous and Extractive Graph Attention Network(HEGAT),which can update representations of events and sentences by multi-view graph attentions based on tokens and various lexical features from both local and global levels.Experiments on EB-DEF-v2 corpus demonstrate that HEGAT model is superior to several competitive baselines and can validate the interpretability of the task. 展开更多
关键词 evidential document-level event factuality heterogeneous graph network multi-view attentions speculation and negation
暂未订购 下载PDF
Denoising Graph Inference Network for Document-Level Relation Extraction 认领 引用 被引量：4
4
作者 Hailin Wang Ke Qin +1 位作者 Guiduo Duan Guangchun Luo 《Big Data Mining and Analytics》 EI CSCD 2023年第2期248-262,共15页
Relation Extraction(RE)is to obtain a predefined relation type of two entities mentioned in a piece of text,e.g.,a sentence-level or a document-level text.Most existing studies suffer from the noise in the text,and ne... Relation Extraction(RE)is to obtain a predefined relation type of two entities mentioned in a piece of text,e.g.,a sentence-level or a document-level text.Most existing studies suffer from the noise in the text,and necessary pruning is of great importance.The conventional sentence-level RE task addresses this issue by a denoising method using the shortest dependency path to build a long-range semantic dependency between entity pairs.However,this kind of denoising method is scarce in document-level RE.In this work,we explicitly model a denoised document-level graph based on linguistic knowledge to capture various long-range semantic dependencies among entities.We first formalize a Syntactic Dependency Tree forest(SDT-forest)by introducing the syntax and discourse dependency relation.Then,the Steiner tree algorithm extracts a mention-level denoised graph,Steiner Graph(SG),removing linguistically irrelevant words from the SDT-forest.We then devise a slide residual attention to highlight word-level evidence on text and SG.Finally,the classification is established on the SG to infer the relations of entity pairs.We conduct extensive experiments on three public datasets.The results evidence that our method is beneficial to establish long-range semantic dependency and can improve the classification performance with longer texts. 展开更多
关键词 Relation Eextraction(RE) document-level denoising linguistic knowledge attention mechanism
基于数据增强和动态阈值的文档级关系抽取方法研究 认领 引用
5
作者 刘军平 黄宇威 +5 位作者 胡新荣 彭涛 姚迅 王帮超 杨华利 朱强 《计算机工程》 CAS CSCD 北大核心 2026年第4期131-139,共9页
生物医学领域关系抽取(RE)任务通常存在数据稀缺、类别不平衡、多标签等问题。为了解决以上问题,提出一种结合数据增强和动态阈值策略的方法。首先,通过自定义损失函数对GPT模型进行微调,并基于Word2Vec模型得到特征模板以生成新数据;其... 生物医学领域关系抽取(RE)任务通常存在数据稀缺、类别不平衡、多标签等问题。为了解决以上问题,提出一种结合数据增强和动态阈值策略的方法。首先,通过自定义损失函数对GPT模型进行微调,并基于Word2Vec模型得到特征模板以生成新数据;其次,利用BERT分类器对生成数据进行筛选,将高质量样本与原始数据集相结合,形成更丰富的训练集;最后,提出一种可学习动态阈值策略,根据文档长度及模型输出与真实标签的差异性,动态调整分类阈值,使模型能够灵活处理文档多标签问题。在2个公开医学数据集上的实验结果显示,该方法分别取得了84.1%和69.3%的F1值,相较ATLOP方法分别提升1.6和1.1百分点,验证了该方法的有效性。 展开更多
关键词 文档级关系抽取 数据增强 动态阈值 类别不平衡 GPT模型
暂未订购 下载PDF
Document-Level Event Factuality Identification via Reinforced Semantic Learning Network 认领 引用
6
作者 Zhong Qian Pei-Feng Li +1 位作者 Qiao-Ming Zhu Guo-Dong Zhou 《Journal of Computer Science & Technology》 SCIE EI CSCD 2024年第6期1248-1268,共21页
This paper focuses on document-level event factuality identification (DEFI), which predicts the factual nature of an event from the view of a document. As the document-level sub-task of event factuality identification... This paper focuses on document-level event factuality identification (DEFI), which predicts the factual nature of an event from the view of a document. As the document-level sub-task of event factuality identification (EFI), DEFI is a challenging and fundamental task in natural language processing (NLP). Currently, most existing studies focus on sentence-level event factuality identification (SEFI). However, DEFI is still in the early stage and related studies are quite limited. Previous work is heavily dependent on various NLP tools and annotated information, e.g., dependency trees, event triggers, speculative and negative cues, and does not consider filtering irrelevant and noisy texts that can lead to wrong results. To address these issues, this paper proposes a reinforced multi-granularity hierarchical network model: Reinforced Semantic Learning Network (RSLN), which means it can learn semantics from sentences and tokens at various levels of granularity and hierarchy. Since integrated with hierarchical reinforcement learning (HRL), the RSLN model is able to select relevant and meaningful sentences and tokens. Then, RSLN encodes the event and document according to these selected texts. To evaluate our model, based on the DLEF (Document-Level Event Factuality) corpus, we annotate the ExDLEF corpus as the benchmark dataset. Experimental results show that the RSLN model outperforms several state-of-the-arts. 展开更多
关键词 document-level event factuality identification hierarchical reinforcement learning attention network multi-granularity encoding
暂未订购 下载PDF
基于语义图提示学习的篇章事件抽取框架 认领 引用
7
作者 余传明 成伟 《情报学报》 CSSCI CSCD 北大核心 2026年第3期433-446,共14页
为解决现有模型主要聚焦于句子级的语义抽象,难以充分发挥AMR(abstract meaning representation)语义结构信息以及语义依赖关系优势的问题,本文提出一种基于语义图提示的篇章事件抽取框架(semantic graph prompt learning for document-... 为解决现有模型主要聚焦于句子级的语义抽象,难以充分发挥AMR(abstract meaning representation)语义结构信息以及语义依赖关系优势的问题,本文提出一种基于语义图提示的篇章事件抽取框架(semantic graph prompt learning for document-level event extraction,SeGPL),通过引入多粒度AMR融合机制和自适应的图提示特征,有效增强了模型的语义建模能力。与最优基线模型TSAR(two-stream AMR-enhanced extraction model)相比,在WikiEvents数据集上,SeGPL在论元识别和论元分类任务中的head F1分数分别提升了2.16和3.36个百分点;在RAMS(richly annotated multilingual schema-guided event structure)数据集中,span F1分数和head F1分数分别提升了0.41和1.13个百分点,为解决长文本中的事件信息抽取提供了参考。 展开更多
关键词 篇章级事件抽取 抽象语义表示 图提示学习 多粒度信息融合
暂未订购 下载PDF
基于路径推理图的文档级关系抽取模型研究 认领 引用
8
作者 刘军平 何玉茹 +2 位作者 彭涛 胡新荣 朱强 《软件导刊》 2026年第1期26-31,共6页
关系抽取(RE)最近已经从句子级转移到文档级,这需要聚合文档信息,并使用实体和提及加以推理。现有研究忽略了围绕目标实体对的局部上下文信息,且只关注实体级的推理路径,没有考虑文档中跨多个句子的长距离实体之间的复杂交互。为此,提... 关系抽取(RE)最近已经从句子级转移到文档级,这需要聚合文档信息,并使用实体和提及加以推理。现有研究忽略了围绕目标实体对的局部上下文信息,且只关注实体级的推理路径,没有考虑文档中跨多个句子的长距离实体之间的复杂交互。为此,提出了一种新的具有信息聚合和长距离跨句推理的文档级关系抽取模型。首先,构造了一个文档图,对文档中的全局信息进行建模;其次,加入了一个新的节点,以聚合目标实体对的局部上下文信息;再次,将目标实体对之间的各种路径集成到一个更简单的推理图结构中以推理长距离跨句实体对的关系,并进行关系推理。在DocRED、CDR和GDA 3个公共数据集上的实验结果表明,路径推理模型在F1上均优于对比模型,验证了该模型的有效性。 展开更多
关键词 文档级关系抽取 路径推理 长距离依赖 文档图 路径推理图
暂未订购 下载PDF
利用微调大语言模型的检索增强文档级多事件抽取 认领 引用 被引量：2
9
作者 施蒂妮 曾剑平 《小型微型计算机系统》 CSCD 北大核心 2026年第4期784-792,共9页
过去对于文档级事件抽取的研究为了提升对长文本的整体理解能力,需要通过实体识别尽可能地获取全部的可能论元.这对于包含了很多数值词的金融文档级数据而言是一个挑战,实体识别效果往往不理想,错误会传播到后续的事件解码任务.本文提... 过去对于文档级事件抽取的研究为了提升对长文本的整体理解能力,需要通过实体识别尽可能地获取全部的可能论元.这对于包含了很多数值词的金融文档级数据而言是一个挑战,实体识别效果往往不理想,错误会传播到后续的事件解码任务.本文提出了一种针对文档级、多事件抽取任务的新方法(RADME),该方法结合了贝叶斯方法实现高效的检索增强技术,并利用了微调大语言模型处理长文本的优势,该方法缩小事件类型检索范围,并从知识库中检索和输入文本最相似的文档的事件类型作为大语言模型输入参考,有效地捕捉全局事件信息.实验结果表明,RADME在两个公共数据集上的F1分数超越了之前最先进的基线方法,分别提升了3.2%和16.5%,证实了该方法的有效性和优越性. 展开更多
关键词 文档级事件抽取 大语言模型 监督微调 检索增强生成
暂未订购 下载PDF
Document-Level Neural Machine Translation with Hierarchical Modeling of Global Context 认领 引用 被引量：3
10
作者 Xin Tan Long-Yin Zhang Guo-Dong Zhou 《Journal of Computer Science & Technology》 SCIE EI CSCD 2022年第2期295-308,共14页
Document-level machine translation(MT)remains challenging due to its difficulty in efficiently using documentlevel global context for translation.In this paper,we propose a hierarchical model to learn the global conte... Document-level machine translation(MT)remains challenging due to its difficulty in efficiently using documentlevel global context for translation.In this paper,we propose a hierarchical model to learn the global context for documentlevel neural machine translation(NMT).This is done through a sentence encoder to capture intra-sentence dependencies and a document encoder to model document-level inter-sentence consistency and coherence.With this hierarchical architecture,we feedback the extracted document-level global context to each word in a top-down fashion to distinguish different translations of a word according to its specific surrounding context.Notably,we explore the effect of three popular attention functions during the information backward-distribution phase to take a deep look into the global context information distribution of our model.In addition,since large-scale in-domain document-level parallel corpora are usually unavailable,we use a two-step training strategy to take advantage of a large-scale corpus with out-of-domain parallel sentence pairs and a small-scale corpus with in-domain parallel document pairs to achieve the domain adaptability.Experimental results of our model on Chinese-English and English-German corpora significantly improve the Transformer baseline by 4.5 BLEU points on average which demonstrates the effectiveness of our proposed hierarchical model in document-level NMT. 展开更多
关键词 neural machine translation document-level translation global context hierarchical model
暂未订购 下载PDF
面向中文的含表格文档篇章级事件抽取模型 认领 引用
11
作者 吴孟松 朱桐 +3 位作者 张国梁 任俊飞 余子健 陈文亮 《中文信息学报》 CSCD 北大核心 2026年第1期109-117,共9页
篇章级事件抽取任务用于从长文档中提取结构化的事件信息。现有的篇章级事件抽取模型往往关注纯文本文档,无法有效利用表格文本的位置信息辅助抽取文档表格中包含的事件要素。因此,该文构建了新的含表格文档事件抽取数据集TableEE,用于... 篇章级事件抽取任务用于从长文档中提取结构化的事件信息。现有的篇章级事件抽取模型往往关注纯文本文档,无法有效利用表格文本的位置信息辅助抽取文档表格中包含的事件要素。因此,该文构建了新的含表格文档事件抽取数据集TableEE,用于检测不同模型在此情景下的表现。为提升模型对于表格文本的抽取能力,该文提出了一种绝对位置编码UPEST来统一表示表格和段落文本的位置信息,增强模型针对含表格文档的语义理解。实验结果表明,该文模型在新构造数据集上的事件抽取平均F1值达到76.91%,事件要素抽取平均F1值在使用UPEST后提升1.83%。(本文新构建数据集和模型相关代码可见http://gffzz188fe103f8f1460as9oukokqb95xk6o0w.ffgz.tsg.suse.edu.cn/fairyshine/TableEE) 展开更多
关键词 信息抽取 篇章级事件抽取 含表格文档
暂未订购 下载PDF
融合扩展语义和标签层次信息的文档级事件抽取 认领 引用
12
作者 符玉娇 廖健 +2 位作者 王素格 李旸 郭张峰 《中文信息学报》 CSCD 北大核心 2026年第3期94-104,共11页
文档级事件抽取是自然语言处理中的一项重要任务,面临论元分散和多事件提及的挑战。现有研究通常从文档的所有句子中抽取论元,再通过论元角色捕获实体间关系,但忽略了文档中事件-句子间的相关性。该文提出了一种融合扩展语义和标签层次... 文档级事件抽取是自然语言处理中的一项重要任务,面临论元分散和多事件提及的挑战。现有研究通常从文档的所有句子中抽取论元,再通过论元角色捕获实体间关系,但忽略了文档中事件-句子间的相关性。该文提出了一种融合扩展语义和标签层次信息的文档级事件抽取方法。首先,利用大语言模型对文本和事件类型标签与论元角色标签进行语义扩展,以引入更丰富的背景语义信息;其次,基于相关性的事件类型检测模块,获取文档中与事件类型高度相关的句子,通过约束候选实体的抽取范围,解决论元分散问题;进一步,针对文档提及的多个事件类型,利用有向无环图从候选实体中抽取论元,获取所有事件要素。在ChFinAnn和DuEE-Fin两个数据集上的实验结果表明,该文提出的方法相比基线模型可以有针对性地解决多个事件所属论元分散的问题,有效地提升事件抽取的性能。 展开更多
关键词 文档级事件抽取 标签语义扩展 相关性建模 论元抽取
暂未订购 下载PDF
基于主题融合的语义一致性篇章神经机器翻译 认领 引用
13
作者 刘春娇 郭军军 余正涛 《微电子学与计算机》 2026年第3期35-45,共11页
篇章级神经机器翻译(Document-level Neural Machine Translation,DocNMT)的核心挑战在于有效捕捉文档全局语义并维持翻译一致性,尤其需避免主题漂移和上下文语义断裂。为此,提出了一种基于主题融合的语义一致性篇章神经机器翻译方法。... 篇章级神经机器翻译(Document-level Neural Machine Translation,DocNMT)的核心挑战在于有效捕捉文档全局语义并维持翻译一致性,尤其需避免主题漂移和上下文语义断裂。为此,提出了一种基于主题融合的语义一致性篇章神经机器翻译方法。首先,通过引入主题词,有效减少翻译过程中的主题漂移,增强句子间的逻辑联系,从而提高翻译的一致性和准确性。其次,采用主题词软模版引导的提示学习策略,利用BERT模型对主题词进行编码,并引入一种主题词感知的多表征动态融合机制将这些主题信息与源语言信息进行融合,实现了主题迁移的效果。最后,提出了基于主题词的语义一致性损失函数,平衡源语言信息和主题信息的贡献,避免模型过度依赖主题词。实验结果表明:在四个公开数据集上,所提方法相比句子级模型在s-BLEU分数上平均提高了3分以上;与现有DcNMT模型相比,各项指标表现出色,尤其在News数据集上s-BLEU和d-BLEU分别提升0.66和0.28;验证了该方法在提高篇章翻译质量、一致性和准确性方面的有效性。 展开更多
关键词 篇章机器翻译 全局语义 翻译一致性 BERT 提示学习 融合机制
暂未订购 下载PDF
隐藏状态合并驱动的LLM文档级翻译方法 认领 引用
14
作者 谭梓欣 黄浩 应时 《小型微型计算机系统》 CSCD 北大核心 2026年第6期1281-1288,共8页
文档级机器翻译旨在通过建模上下文信息,保持整体语境连贯性.针对文档级机器翻译中可能存在的译文语义不连贯、术语不一致等问题,本文提出一种隐藏状态合并驱动的翻译方法.在特征提取阶段,该方法引入源端与目标端双上下文注意力模块,分... 文档级机器翻译旨在通过建模上下文信息,保持整体语境连贯性.针对文档级机器翻译中可能存在的译文语义不连贯、术语不一致等问题,本文提出一种隐藏状态合并驱动的翻译方法.在特征提取阶段,该方法引入源端与目标端双上下文注意力模块,分别提取历史上下文特征,将其动态加权注入基础大模型(LLM)的隐藏状态;在模型优化阶段,该方法引入了低秩适应微调(LoRA)技术,实现了上下文模块与基础模型的联合优化,在仅微调0.03%~0.23%参数的前提下,显著提升了译文的各项指标.实验表明,在多个中英文档数据集上,相比基线模型ALMA-R和Demo-Aware,文档级双语评估替补指标(d-BLEU)平均提升32.64%,文档级跨语言优化翻译评估度量(d-COMET)平均提升6.02%,词汇一致性指标(LTCR)平均提升5.62%. 展开更多
关键词 文档级机器翻译 大语言模型 隐藏状态合并 上下文注意力 低秩微调
暂未订购 下载PDF
基于层次依赖聚合和事件增强的文档级事件论元抽取模型 认领 引用
15
作者 丁志君 艾芳菊 刘艾环 《计算机科学》 CSCD 北大核心 2026年第7期156-167,共12页
在文档级事件论元抽取任务中,现有基于提示学习的模型难以全面理解文档的整体语义,并且忽略了文档与提示模板之间的交互。对此,提出一种基于层次依赖聚合和事件增强机制的文档级事件论元抽取模型。首先,通过BART获取输入序列的向量表示... 在文档级事件论元抽取任务中,现有基于提示学习的模型难以全面理解文档的整体语义,并且忽略了文档与提示模板之间的交互。对此,提出一种基于层次依赖聚合和事件增强机制的文档级事件论元抽取模型。首先,通过BART获取输入序列的向量表示。然后,提出由语义层次依赖感知机制和结构层次依赖感知机制组成的层次依赖聚合结构,分别捕捉实体提及间的语义关联和结构信息,并通过自注意力机制动态融合。接着,利用融合关系矩阵引导关系依存图中更多的上下文信息聚合到相应实体提及上,从而更新提及表示;该提及表示被加入到原始输入表示,以增强模型对实体关系的感知能力及文档与提示模板之间的交互能力。最后,通过事件增强机制使模型聚焦于与当前抽取事件相关的上下文信息,减少信息干扰和冗余,提高论元抽取的准确性。在两个公开数据集RAMS和WikiEvent上进行了模型验证,实验结果表明,所提模型的F 1值均优于对比模型,综合性能得到有效提升。 展开更多
关键词 文档级事件论元抽取 提示学习 层次依赖聚合 自注意力机制 事件增强机制
暂未订购 下载PDF
基于图结构自注意力和知识增强的文档级关系抽取 认领 引用
16
作者 张威 高峰 顾进广 《计算机与数字工程》 2026年第3期673-679,共7页
在文档级关系抽取中,大量实体间关系无法通过单个句子信息识别出来,如何推理出跨句实体之间的关系依然是一项重大挑战。目前流行的基于图的方法大多基于启发式建图,导致存在一些实体对无法通过路径推理连接。为了解决这个问题,论文提出... 在文档级关系抽取中,大量实体间关系无法通过单个句子信息识别出来,如何推理出跨句实体之间的关系依然是一项重大挑战。目前流行的基于图的方法大多基于启发式建图,导致存在一些实体对无法通过路径推理连接。为了解决这个问题,论文提出一种基于外部知识增强和图结构自注意力的关系抽取模型(KSAN)。KSAN通过基于Transformer的自注意力模块将文档结构编码到实体图中,并且引入外部知识,作为实体图的知识节点补充,提高模型的跨句推理能力。实验结果表明,KSAN在CDR和GDA两个文档级生物医学关系抽取数据集上分别取得了74.89%和85.29%的F1评分,对比其他最先进的基线模型有明显提升。 展开更多
关键词 知识图谱 文档级关系抽取 自注意力 知识增强 预训练语言模型
暂未订购 下载PDF
PFLEI-RE:基于优先焦点损失和证据推理融合的文档级关系抽取 认领 引用
17
作者 曾骏 王东升 《江苏科技大学学报（自然科学版）》 CAS 2026年第1期51-57,共7页
文档级关系抽取(document-level relation extraction,DocRE)旨在从自然语言文档中识别实体间的语义关系.针对现有方法多利用部分句子作为证据,存在证据利用率低和类别不平衡的问题,提出基于优先焦点损失和证据推理融合的文档级关系抽取... 文档级关系抽取(document-level relation extraction,DocRE)旨在从自然语言文档中识别实体间的语义关系.针对现有方法多利用部分句子作为证据,存在证据利用率低和类别不平衡的问题,提出基于优先焦点损失和证据推理融合的文档级关系抽取(prioritized focal loss and evidence inference fusion for document-level relation extraction,PFLEI-RE)模型,结合证据推理融合和优先焦点损失以提升性能.证据推理融合策略整合关键证据,生成伪文档,并与原文结合以增强复杂推理能力.通过引入优先焦点损失函数,以缓解类别不平衡问题,强化少数类学习.实验结果表明:PFLEI-RE模型在DocRED数据集上取得62.76的F1和60.67的Ign_F1,较基线ATLOP分别提升了1.46和1.36,验证了其有效性. 展开更多
关键词 文档级关系抽取 DocRED 自适应损失 证据推理融合
暂未订购 下载PDF
基于深度学习的篇章级事件抽取综述 认领 引用 被引量：3
18
作者 胡蓉 万常选 +2 位作者 万齐智 刘德喜 刘喜平 《计算机学报》 EI CAS CSCD 北大核心 2025年第2期381-406,共26页
篇章级事件抽取是自然语言处理的重要任务且富有挑战,当前涌现了很多优秀的研究成果。尽管国内外存在少量篇章级事件抽取综述,但存在一些局限:(1)按文献采用的具体技术或任务实现步骤对现有研究成果进行分类,未深入分析现有研究成果间... 篇章级事件抽取是自然语言处理的重要任务且富有挑战,当前涌现了很多优秀的研究成果。尽管国内外存在少量篇章级事件抽取综述,但存在一些局限:(1)按文献采用的具体技术或任务实现步骤对现有研究成果进行分类,未深入分析现有研究成果间的关联与区别,未深刻理解现有研究成果分别致力于解决哪些问题;(2)简单介绍现有数据集,未能正确认识每个数据集的特点及带来的任务挑战。由于每个数据集侧重点不同,研究者们致力于解决不同的问题,因此现有梳理方式未能清晰地展示不同数据集下不同研究问题的研究进展。为此,本文重新梳理篇章级事件抽取的2个(子)任务的研究成果。首先,针对2个任务,分别明确任务目标,分析解决任务的基本思路,总结现有研究进展(基于哪些数据集解决了哪些问题)。然后,总结对应数据集的特点,归纳任务面临的挑战,再深入分析具体研究方法,并图示化展示推进情况。最后,结合有待继续攻破的问题,讨论篇章级事件抽取未来发展趋势。 展开更多
关键词 篇章级事件抽取 信息抽取 事件抽取数据集 事件论元抽取 深度学习
暂未订购 下载PDF
融合图卷积网络和本体信息的电力通信网文档级关系抽取研究 认领 引用 被引量：1
19
作者 钱玲飞 马子宜 +2 位作者 董嘉嘉 朱鹏宇 高德荃 《数据分析与知识发现》 EI CSSCI CSCD 北大核心 2025年第6期63-72,共10页
【目的】提升电力通信系统故障文本的关系抽取性能,针对领域特点,提出一种考虑本体信息的多层次图卷积文档级关系抽取模型。【方法】首先,使用字级别嵌入对故障文本进行编码;其次,构造句级别和实体级文档图,通过卷积聚合实体级、句子级... 【目的】提升电力通信系统故障文本的关系抽取性能,针对领域特点,提出一种考虑本体信息的多层次图卷积文档级关系抽取模型。【方法】首先,使用字级别嵌入对故障文本进行编码;其次,构造句级别和实体级文档图,通过卷积聚合实体级、句子级与文档级的语义信息;最后,根据本体概念模型设计“本体-本体”边构造方法,加入“预测实体对是否符合本体约束”的辅助任务,提升模型性能。【结果】在自建的电力通信网故障文本数据集上进行消融实验和对比实验。实验结果表明:所提模型表现最优,F1、Ign_F1、Accuracy值分别达到97.22%、95.17%、97.97%。【局限】需进一步验证模型的泛化能力。【结论】所提模型适用于电力通信网故障知识图谱的关系抽取任务,较现有模型具有更好的抽取效果。 展开更多
关键词 文档级关系抽取 图卷积网络 本体信息 电力通信网 故障知识图谱
基于交互式语义增强的中文文档级事件抽取模型研究 认领 引用 被引量：1
20
作者 张双宝 成全 曾艳 《数据分析与知识发现》 EI CSSCI CSCD 北大核心 2025年第10期120-132,共13页
【目的】充分挖掘中文文档之间的语义关联信息,实现基于交互式语义增强的文档级事件抽取效果的提升。【方法】提出一种交互式语义增强的中文文档级事件抽取模型CSDEE,利用注意力机制构建跨文档的交互式语义网络,增强实体识别性能,再经... 【目的】充分挖掘中文文档之间的语义关联信息,实现基于交互式语义增强的文档级事件抽取效果的提升。【方法】提出一种交互式语义增强的中文文档级事件抽取模型CSDEE,利用注意力机制构建跨文档的交互式语义网络,增强实体识别性能,再经由文档编码与事件抽取信息解码完成事件抽取任务。【结果】实验结果表明,CSDEE模型事件抽取的精确率、召回率和F1值分别达到80.7%、84.1%和82.3%,优于现有基线模型。同时,通过对模型开展消融实验及在公开数据集ChFinAnn和DuEE-Fin上的泛化实验,验证CSDEE模型在中文文档级事件抽取任务中的有效性。【局限】目前模型仅针对文档级事件抽取的性能提升进行相应改进,暂未涉及重叠事件类型的多分类任务。【结论】充分挖掘与关联文档数据之间的相似语义信息能够有效提升文档级事件抽取任务的性能与效果。 展开更多
关键词 文档级事件抽取 交互式语义增强 注意力机制
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 10 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈