面向细粒度隐式篇章关系识别的远距离监督特征学习算法

doi:10.13209/j.0479-8023.2018.060

北京大学学报自然科学版 ›› 2019, Vol. 55 ›› Issue (1): 91-97.DOI: 10.13209/j.0479-8023.2018.060

面向细粒度隐式篇章关系识别的远距离监督特征学习算法

唐裕婷, 李艳斌, 刘露, 于中华, 陈黎^†

四川大学计算机学院, 成都 610065

收稿日期:2018-04-15 修回日期:2018-08-20 出版日期:2019-01-20 发布日期:2019-01-20
通讯作者: 陈黎, E-mail: cl(at)scu.edu.cn
基金资助:
四川省科技支撑项目(2014GZ0063)资助

Feature Learning by Distant Supervision for Fine-Grained Implicit Discourse Relation Identification

TANG Yuting, LI Yanbin, LIU Lu, YU Zhonghua, CHEN Li^†

Department of Computer Science, Sichuan University, Chengdu 610065

Received:2018-04-15 Revised:2018-08-20 Online:2019-01-20 Published:2019-01-20
Contact: CHEN Li, E-mail: cl(at)scu.edu.cn

摘要/Abstract

摘要：

针对中文细粒度隐式篇章关系识别进行研究。考虑细粒度篇章关系的方向性特点, 提出一种基于远距离监督的特征学习算法。该算法使用远距离监督的方法, 自动标注显式篇章数据, 然后利用词与连词之间的相对位置信息, 训练各个词的词表达, 将词的修辞功能以及关系的方向性编码到密集词表达中, 将这样的词表达应用到细粒度隐式篇章关系分类器。实验结果表明, 在细粒度隐式篇章关系识别任务中, 该方法的分类准确率达到49.79%, 比未考虑篇章关系方向性的方法有较大程度的提高。

关键词: 细粒度, 隐式篇章关系, 中文, 词表达, 方向性

Abstract:

Aiming at the identification of Chinese fine-grained implicit discourse relation and taking the directionality characteristic in account, the authors propose a feature learning algorithm based on the distant supervision to label explicit discourse data automatically. The relative position information between conjunction and words are applied to train the intensive word representation. Then the rhetorical function of words and the directionality of relations are encoded into the representation of intensive words, which is applied to the relation classification of fine-grained implicit discourses. From the experimental studies of the proposed approach, the classification accuracy reaches 49.79%, which are better than those approaches neglecting the directionality of discourse relations.

Key words: fine-grained, implicit discourse relation, Chinese, word representation, directionality

唐裕婷, 李艳斌, 刘露, 于中华, 陈黎. 面向细粒度隐式篇章关系识别的远距离监督特征学习算法[J]. 北京大学学报自然科学版, 2019, 55(1): 91-97.

TANG Yuting, LI Yanbin, LIU Lu, YU Zhonghua, CHEN Li. Feature Learning by Distant Supervision for Fine-Grained Implicit Discourse Relation Identification[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2019, 55(1): 91-97.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/10.13209/j.0479-8023.2018.060

https://xbna.pku.edu.cn/CN/Y2019/V55/I1/91

[1]	刘伟, 黄锴宇, 余浩, 黄德根. 基于语境相似度的中文分词一致性检验研究[J]. 北京大学学报自然科学版, 2022, 58(1): 99-105.
[2]	李娟. 汉语近义词辨析知识库构建研究[J]. 北京大学学报自然科学版, 2022, 58(1): 106-112.
[3]	陈醒, 徐晋涛. 化工企业污染物影子价格的估计—— 基于参数化的方向性距离函数[J]. 北京大学学报自然科学版, 2021, 57(2): 341-350.
[4]	李烨秋, 唐竑轩, 钱锦, 邹博伟, 洪宇. 中文机器阅读理解的鲁棒性研究[J]. 北京大学学报自然科学版, 2021, 57(1): 16-22.
[5]	盛晨, 孔芳, 周国栋. 中文篇章零元素语料库构建[J]. 北京大学学报自然科学版, 2019, 55(1): 15-21.
[6]	刘成东, 连宙辉, 唐英敏, 肖建国. 基于部件拼接的高质量中文字库自动生成系统[J]. 北京大学学报（自然科学版）, 2018, 54(1): 35-41.
[7]	杨紫怡, 贡正仙, 孔芳, 周国栋. 基于中英文可比较语料的中文零指代消解[J]. 北京大学学报自然科学版, 2017, 53(2): 279-286.
[8]	张瑞洁, 田原, 刘思叶, 王雯夫. 即时通信文本中地理信息提取——以微信为例[J]. 北京大学学报（自然科学版）, 2016, 52(6): 985-989.
[9]	杜丽萍, 李晓戈, 于根, 刘春丽, 刘睿. 基于互信息改进算法的新词发现对中文分词系统改进[J]. 北京大学学报（自然科学版）, 2016, 52(1): 35-40.
[10]	李保利. 基于类别层次结构的多层文本分类样本扩展策略[J]. 北京大学学报（自然科学版）, 2015, 51(2): 357-366.
[11]	舒佳根,惠浩添,钱龙华,朱巧明. 一个中文实体链接语料库的建设[J]. 北京大学学报（自然科学版）, 2015, 51(2): 321-327.
[12]	欧阳纯萍,阳小华,雷龙艳,徐强,余颖,刘志明. 多策略中文微博细粒度情绪分析研究[J]. 北京大学学报（自然科学版）, 2014, 50(1): 67-72.
[13]	贺飞艳,何炎祥,刘楠,刘健博,彭敏. 面向微博短文本的细粒度情感特征抽取方法[J]. 北京大学学报（自然科学版）, 2014, 50(1): 48-54.
[14]	林晓燕,高良才,汤帜. 中文电子文档的数学公式定位研究[J]. 北京大学学报（自然科学版）, 2014, 50(1): 17-24.
[15]	刘冬,李鹿原,王勇涛,汤帜. 一种无监督的中文漫画对白自动定位方法[J]. 北京大学学报（自然科学版）, 2014, 50(1): 25-32.

面向细粒度隐式篇章关系识别的远距离监督特征学习算法

Feature Learning by Distant Supervision for Fine-Grained Implicit Discourse Relation Identification

RichHTML

PDF

PDF (翻译版)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

留言