公开(公告)号：CN107679041B

公开(公告)日：2020-12-01

申请号：CN201710997259.1

申请日：2017-10-20

Applicant: 苏州大学

Inventor： 孔芳 ,  陆震寰 ,  周国栋

IPC: G06F16/35 ,  G06F40/30 ,  G06F40/284 ,  G06F40/295 ,  G06F40/211

Abstract: 本发明涉及一种基于卷积神经网络的英文事件同指消解方法及系统，为了提升事件同指消解性能而设计。本发明基于卷积神经网络的英文事件同指消解方法及系统，得到测试语料事件集合，然后通过引入多语料库通用的过滤策略降低数据分布不均衡的影响，并兼顾不同的事件标注策略，采用最小事件描述和事件间关系描述相结合的特征表示方法，通过引入全局优化对部分识别结果进行后处理。结合WordNet等外部资源进行事件间语义关系的计算。最后采用卷积神经网络模型与推理方法，利用深度学习来消解事件同指关系。本发明可以充分利用事件之间的各种关系及其所在的句子信息对事件同指消解进行识别和推理，从而提高了事件同指消解的性能。

公开(公告)号：CN107679041A

公开(公告)日：2018-02-09

申请号：CN201710997259.1

申请日：2017-10-20

Applicant: 苏州大学

Inventor： 孔芳 ,  陆震寰 ,  周国栋

IPC: G06F17/27 ,  G06F17/30

Abstract: 本发明涉及一种基于卷积神经网络的英文事件同指消解方法及系统，为了提升事件同指消解性能而设计。本发明基于卷积神经网络的英文事件同指消解方法及系统，得到测试语料事件集合，然后通过引入多语料库通用的过滤策略降低数据分布不均衡的影响，并兼顾不同的事件标注策略，采用最小事件描述和事件间关系描述相结合的特征表示方法，通过引入全局优化对部分识别结果进行后处理。结合WordNet等外部资源进行事件间语义关系的计算。最后采用卷积神经网络模型与推理方法，利用深度学习来消解事件同指关系。本发明可以充分利用事件之间的各种关系及其所在的句子信息对事件同指消解进行识别和推理，从而提高了事件同指消解的性能。