融合神经网络与全局推理的实体共指消解算法
作者:周宁; 靳高雅; 石雯茜
更新时间:
[目的]提出一种融合神经网络和全局推理的实体共指消解模型,解决文本中实体信息复杂、参考信息不清晰、分布稀疏的问题,探索更有效的研究方法[方法]首先,利用神经网络模型提取文档中的实体及其前件。其次,结合句子的上下文信息进行全局推理,并将推理结果添加到神经网络模型中,以提高实体共参考解析结果的准确性]在OntoNotes5.0数据集上进行实体共索引解析的实验结果验证了本文模型的有效性。将神经网络与全局推理相结合的实体共指消解算法可以有效地提高共指消解性能,更好地理解文本语义信息。最终模型在CONLL评测标准和F1值的性能达到74.76%【局限性】需要添加更准确的知识推理结论】通过将该模型的实验结果与近年来共指消解的其他模型进行比较,证明了该模型的实用性和有效性。