文献类型： 中文期刊

作者： 魏建香 ¹ ; 陆谦 ¹ ; 韩普 ¹ ; 黄卫东 ¹ ;

作者机构： 1.南京邮电大学管理学院;南京邮电大学物联网学院;江苏高校哲学社会科学重点研究基地—信息产业融合创新与应急管理研究中心

关键词： 事件检测;信息抽取;多语义融合;门控线性单元;图卷积神经网络

期刊名称： 数据分析与知识发现

ISSN： 2096-3467

年卷期： 2023 年 12 期

页码： 64-74

收录情况： 北大核心 ; CSCD ; CSSCI

摘要： 【目的】通过融合多类语义信息，提高事件检测任务准确性。【方法】首先，利用Bi-LSTM模型编码非关系类语义信息；其次，基于关系类语义信息生成关系图，利用多尺度卷积神经网络捕获邻接矩阵蕴含的空间信息并与词向量进行融合；最后，构建Gated-GCN模型动态聚合并更新相邻词向量间的关系类语义信息，增强词向量的表征能力。【结果】基于ACE05基准数据集，与现有主流事件检测模型进行对比实验，所提模型的F1值达到76.3%，相较于最优的基准模型提升1.2个百分点。【局限】研究基于基准数据集，需要在一般的数据集上进行模型验证。【结论】融合多类语义信息能够有效提升事件检测性能。