融合上下文依赖和句子语义的事件线索检测研究

来源：计算机科学与探索杂志2018年第3期北京时间：

作者：王凯，洪宇，邱盈盈，姚建民，周国栋

单位：苏州大学 计算机科学与技术学院，江苏 苏州 215006

摘要：事件线索检测旨在从自由文本中自动抽取触发事件的词或短语。现有的英文事件线索检测方法依赖于特征提取工具，这样会造成错误传递，而且忽略了待测词与上下文的依赖关系和句子的语义信息，这些信息对事件线索检测是很有帮助的。提出一种神经网络方法，利用双向长短时记忆网络（bidirectional long short- term memory，Bi-LSTM）抓取待测词在句子中的上下文依赖，同时使用门控循环神经网络（gated recurrent neural network，GRNN）学习句子的语义表示，融合这两种信息来提高事件线索词的识别能力。在KBP 2015评测语料上的实验结果显示，该方法是有效的，并且性能比baseline方法有显著提高。

关键词：事件线索检测,神经网络,长短时记忆网络（LSTM）