基于句内注意力机制多路CNN的汉语复句关系识别方法

作     者：孙凯丽 邓沌华 李源 李妙 李洋 SUN Kaili;DENG Dunhua;LI Yuan;LI Miao;LI Yang

作者机构：华中师范大学计算机学院湖北武汉430079 华中师范大学语言与语言教育研究中心湖北武汉430079 

出 版 物：《中文信息学报》 (Journal of Chinese Information Processing)

年 卷 期：2020年第34卷第6期

页      面：9-17,26页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081203[工学-计算机应用技术] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家社会科学基金(18BYY174) 教育部人文社会科学研究规划基金(14YJA740020) 

主　　题：关系识别 非充盈态汉语复句 双向长短期记忆网络(Bi-LSTM) 句内注意力机制 卷积神经网络 

摘      要：复句的关系识别是对分句间语义关系的甄别,是复句语义分析的关键,旨在从文本中识别句间的关系类型。非充盈态汉语复句存在隐式关系的特点给语义关系识别造成了困难。为了深度挖掘复句中隐含的语义信息,正确地实现关系分类,该文提出了一种基于句内注意力机制的多路CNN网络结构Inatt-MCNN。其中句内注意力机制模型是基于Bi-LSTM的,使其能够学习到句子的双向语义特征以及分句间的关联特征。同时,为了充分利用文本特征,联合使用卷积神经网络(CNN)对复句表示再次建模获得句子局部特征。与其他基于汉语复句语料库(CCCS)和清华汉语树库(TCT)的实验结果相比,该文方法的宏平均F1值为85.61%,提升约6.08%,平均召回率为84.87%,提升约3.05%。