文献

J-GLOBAL ID：202002261274105440   整理番号：20A0433361

それを直接的に作る:ツリーLSTMとBi-GrUに基づくイベント抽出【JST・京大機械翻訳】

Make It Directly: Event Extraction Based on Tree-LSTM and Bi-GRU

著者 (5件)： Yu Wentao (PLA Information Engineering University, Zhengzhou, China) ,  Yi Mianzhu (PLA Information Engineering University, Zhengzhou, China) ,  Huang Xiaohui (PLA Information Engineering University, Zhengzhou, China) ,  Yi Xiaoyu (PLA Information Engineering University, Zhengzhou, China) ,  Yuan Qingjun (PLA Information Engineering University, Zhengzhou, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 14344-14354  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： イベント抽出は,情報検索(IR)を含む自然言語処理(NLP)応用の分野における重要な研究方向である。従来のイベント抽出は,パイプラインとジョイント抽出法の2つの方法で実現される。パイプライン方法は,イベント抽出をさらに実行するために単語認識を誘発することによってイベントを決定して,エラーカスケードを引き起こす傾向があった。結合抽出法は,トリガ単語の完成と議論役割分類タスクを実行するために,深い学習を適用する。結合抽出法によるほとんどの研究はCNNまたはRNNネットワーク構造を採用している。しかし,イベント抽出の場合,複雑なコンテキストのより深い理解が必要である。既存の研究は構文関係を完全に利用しない。本論文では,Tree-LSTMネットワークとBi-GRUネットワーク上に構築され,構文的に関連する情報を運ぶ新しいイベント抽出モデルを提案した。この方法は,候補イベント文の表現を得るためにTree-LSTMとBi-GRUを同時に使用し,イベントタイプを同定し,チェーン構造化LSTM,CNNまたはTree-LSTMのみを用いるものと比較してより良い性能をもたらすことを示した。最後に,各ノードの隠れ状態をTree-LSTMにおいて用いて,候補の議論のためのラベルを予測し,イベントのすべての議論を同定/分類した。研究室の結果は,提案したイベント抽出モデルが以前の研究と比較して競争力のある結果を達成することを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： チェーン ,  ネットワーク ,  ネットワーク構造 ,  情報検索 ,  *単語 ,  自然言語処理
準シソーラス用語： 構文 ,  単語認識 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： LSTM ,  Bi ,  イベント