BriefGPT - AI 论文速递
·
多类别学习中用于时序关系分类的动态更新事件表示
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种用于句内事件时间关系分类的序列模型，评估表明该方法准确识别事件时间关系，胜过基于特征的模型。
🎯
关键要点
- 提出了一种用于句内事件时间关系分类的序列模型。
- 方法提取上下文词序列，与事件提及之间的依赖路径对齐。
- 使用词性标记序列和依赖关系序列作为输入，提供给双向循环神经网络 (LSTM) 模型。
- 神经网络学习句法和语义上下文表征，以预测事件之间的时间关系。
- 在 TimeBank 语料库上的评估表明，该方法准确识别事件时间关系，胜过基于特征的模型。
➡️
