基于前向-后向循环神经网络的事件片段检测
计算与语言
2019-05-21 v1
摘要
传统的事件检测方法严重依赖人工设计的丰富特征。近期的深度学习途径通过自动特征工程缓解了这一问题。但此类努力与传统方法一样，迄今仅关注单标记事件提及，而实践中事件也可以是一个短语。我们转而使用前向-后向循环神经网络（FBRNNs）来检测既可为词也可为短语的事件。据我们所知，这是处理多词事件的首批努力之一，也是首次尝试使用 RNNs 进行事件检测。实验结果表明，在 ACE 2005 和 Rich ERE 2015 事件检测任务上，FBRNN 与最先进（state-of-the-art）方法具有竞争力。
引用
@article{arxiv.1802.05672,
title = {Event Nugget Detection with Forward-Backward Recurrent Neural Networks},
author = {Reza Ghaeini and Xiaoli Z. Fern and Liang Huang and Prasad Tadepalli},
journal= {arXiv preprint arXiv:1802.05672},
year = {2019}
}
备注
Published as a short paper at ACL 2016. The main purpose of this submission is to add this paper to arxiv