融合知识的多目标词联合框架语义分析模型  

Knowledge-integrated Joint Model for Multi-target Frame Semantic Parsing

作　　者：陈旭东[1,2] 郑策 常宝宝 CHEN Xudong;ZHENG Ce;CHANG Baobao(National Key Laboratory of Multimedia Information Processing,School of Computer Science,Peking University,Beijing 100871,China;School of Software and Microelectronics,Peking University,Beijing 100871,China;Jiangsu Collaborative Innovation Center for Language Ability,Jiangsu Normal University,Xuzhou,Jiangsu 221009,China)

机构地区：[1]北京大学计算机学院多媒体信息处理国家重点实验室,北京100871 [2]北京大学软件与微电子学院,北京100871 [3]江苏师范大学江苏省语言能力协同创新中心,江苏徐州221009

出　　处：《中文信息学报》2024年第8期25-33,共9页Journal of Chinese Information Processing

基　　金：国家自然科学基金(61936012)。

摘　　要：框架语义分析任务是自然语言处理领域的一项基础性任务。先前的研究工作大多针对单目标词进行模型设计,无法一次性完成多个目标词的框架语义结构提取。该文提出一个面向多目标的框架语义分析模型,实现对多目标词的联合预测。该模型对框架语义分析的各项子任务进行交互性建模,实现子任务间的双向交互。此外,该文利用关系图网络对框架关系信息进行编码,将其作为框架语义学知识融入模型中。实验表明,该文模型在不借助额外语料的情况下相比之前模型都有不同程度的提高。消融实验证明了该文模型设计的有效性。此外,该文分析了模型目前存在的局限性以及未来的改进方向。Frame semantic parsing is a fundamental task in natural language processing.Most of the previous researches are focused on the design of the single-target model.This paper designs a frame semantic parsing model for multiple targets which jointly predicts the results of multiple targets.We model and achieve the bidirectional interaction among the subtasks of frame semantic parsing.Moreover,Relational Graph Convolution Network(R-GCN)is utilized to encode the frame relation information,which is a way to exploit frame semantic knowledge into our model.The experiments show that our model maintains good performance without extra training corpus.

关 键 词：框架语义分析 框架网络 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]