利用动态记忆网络中的上下文信息用于事件检测
计算与语言
2018-10-09 v1 人工智能
机器学习
摘要
事件检测任务涉及识别和分类事件触发词。上下文信息已在该任务上被证明是有效的。然而，现有利用上下文信息的方法仅对上下文处理一次。我们认为，通过多次处理上下文可以更好地利用上下文，使模型能够执行复杂推理并生成更好的上下文表示，从而提升整体性能。同时，动态记忆网络（DMN）在捕获上下文信息方面已展现出良好能力，并成功应用于多种任务。鉴于 DMN 对上下文建模的多跳机制，我们提出触发词检测动态记忆网络（TD-DMN）来解决事件检测问题。我们在 ACE-2005 数据集上进行了五折交叉验证，实验结果表明多跳机制确实提升了性能，且所提模型相比最先进（state-of-the-art）方法取得了最优的 分数。
引用
@article{arxiv.1810.03449,
title = {Exploiting Contextual Information via Dynamic Memory Network for Event Detection},
author = {Shaobo Liu and Rui Cheng and Xiaoming Yu and Xueqi Cheng},
journal= {arXiv preprint arXiv:1810.03449},
year = {2018}
}
备注
Accepted as short paper by EMNLP 2018