谁被警察杀害：面向分层LSTM的监督注意力机制
计算与语言
2018-07-11 v1
摘要
随着警察枪击事件受到越来越多的公众关注，找出被警察杀害者的姓名（警察杀害检测）已变得愈发重要。遗憾的是，文献中针对该问题的研究尚不多见。该领域的早期工作\cite{keith2017identifying}提出了一种基于期望最大化（EM）的远程监督框架，以处理姓名在文档中的多次出现。然而，此类基于EM的框架无法充分利用深度学习模型的优势，必须借助人工设计的特征来提升检测性能。本文提出一种新颖的深度学习方法来解决警察杀害识别问题。所提方法依赖分层LSTM对包含目标人物姓名的多个句子进行建模，并引入基于语义词表和依存树的监督注意力机制，以提升重要上下文词的权重。我们的实验证明了所提模型的优势，并在警察杀害检测上取得了最先进的性能。
引用
@article{arxiv.1807.03409,
title = {Who is Killed by Police: Introducing Supervised Attention for Hierarchical LSTMs},
author = {Minh Nguyen and Thien Huu Nguyen},
journal= {arXiv preprint arXiv:1807.03409},
year = {2018}
}
备注
11 pages (including references), 3 figures, 2 tables, conference: The 27th International Conference on Computational Linguistics (COLING 2018)