基于双层注意力机制的篇章级事件真实性检测  

Document-Level Event Factuality Detection via Double Attention Mechanism

作　　者：盛佳璇 邹博伟[1,2] 陈佳丽 洪宇 SHENG Jiaxuan;ZOU Bowei;CHEN Jiali;HONG Yu(School of Computer Science and Technology,Soochow University,Suzhou,Jiangsu 215000,China;Institute for Infocomm Research,Singapore 138632,Singapore)

机构地区：[1]苏州大学计算机科学与技术学院,江苏苏州215000 [2]新加坡资讯通信研究院,新加坡138632

出　　处：《中文信息学报》2023年第6期128-136,共9页Journal of Chinese Information Processing

基　　金：国家自然科学基金(61703293,61672368,61672367)。

摘　　要：自然语言文本中的事件真实性指作者对给定事件存在于客观世界中的确定性程度的描述,正确识别文本中事件的真实性,有助于对自然语言进行深层语义理解。同时,事件真实性检测对诸多自然语言处理应用,如观点检测、事件图谱构建、情感分析等具有重要意义。目前,大多数事件真实性检测研究集中在句子级任务上,而在同一篇章中,经常出现针对同一事件真实性表述不同的情况,此时仅在句子层面识别事件真实性可能会导致矛盾。针对该问题,该文提出了一个基于双层注意力机制的篇章级事件真实性检测方法。首先,利用预训练语言模型BERT对句子进行编码;其次,采用图注意力网络学习句子中的上下文信息与事件之间的依赖关系;最后,利用文档级注意力机制抽取不同句子序列之间的潜在关联,从事件序列集合中获取篇章级事件真实性的最终特征表示。实验结果验证了该方法的有效性,在英文和中文数据集上的实验结果显示,该文所提出方法F1值分别达到87.91%和87.92%,与目前最好系统相比,分别提升了1.40%和1.28%。The event factuality is the certainty degree of a given event described in a text.To address the contradiction in current sentence-level event factuality detection,this paper proposes a document-level event factuality detection approach via a double attention mechanism to deal with the different factual descriptions of the same event.With the sentence encoded by BERT,the graph attention neural network is first applied to learn the dependence between context information and events in sentences.Then,a document-level attention mechanism is adopted to capture the latent correlation features among sequences in the whole discourse.The experimental results on both English and Chinese datasets show the proposed method achieve 87.91%and 87.92%of F_(1)scores,respectively,which means 1.40%and 1.28%improvements to the state-of-the-art method,respectively.

关 键 词：篇章级事件真实性 图注意力神经网络 文档级注意力机制 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]