2015.
针对现有基于填表的事件关系抽取方法填表数目过多、表格特征获取不充分的问题,本文提出了结合Roberta和Bi-FLASH-SRU的中文事件因果关系抽取方法 TF-ChineseERE.该方法通过制定填表策略,利用文本中已标记关系,将其转化为带有标签的表格;借助Roberta预训练模型和本文提出的双向内置闪电注意力简单循环单元(bidirectional built-in flash attention simple recurrent unit, Bi-FLASH-SRU)获取主客体事件特征,再利用表格特征循环学习模块挖掘全局特征,最后进行表格解码获得事件因果关系三元组.实验采用金融领域两个公开数据集进行验证,结果表明,本文提出的方法 F
1值分别达到59.2%和62.5%,且Bi-FLASH-SRU模型训练速度更快,填表数目更少,证明了该方法的有效性.… …
相似文献