山东大学学报(工学版)

作者：陈艳平,冯丽,秦永彬,黄瑞章

单位：1. 贵州大学计算机科学与技术学院，贵州 贵阳550025；2. 数据融合与分析实验室(贵州大学)，贵州 贵阳550025；3. 贵州省智能人机交互工程技术研究中心，贵州 贵阳550025

关键词：句法要素,信息抽取,深度神经网络,

基金：国家自然科学基金联合基金重点项目(U1836205);国家自然科学基金重大研究计划项目(91746116);贵州省重大应用基础研究项目(黔科合JZ字[2014]2001);贵州省科技重大专项计划(黔科合重大专项字[2017]3002);贵州省自然科学基金(黔科合基础[2018]1035)

为改进传统特征方法很难获取中文句子中结构信息的问题，提出一种基于深度神经网络的句法要素识别模型。采用Bi-LSTM网络从原始数据中自动抽取句子中的结构信息和语义信息，利用Attention机制自动计算抽象语义特征的分类权重，通过CRF层对输出标签进行约束，输出最优的标注序列。经过对比验证，该模型能有效识别句子中的句法要素，在标注数据集上F1达到84.85%。

来源：2020年第2期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2020年第2期