| 面向低资源场景的论辩挖掘研究 |
| |
| 引用本文： | 叶锴,魏晶晶,魏冬春,王强,廖祥文.面向低资源场景的论辩挖掘研究[J].福州大学学报(自然科学版),2021,49(2). |
| |
| 作者姓名： | 叶锴 魏晶晶 魏冬春 王强 廖祥文 |
| |
| 作者单位： | 福州大学数学与计算机科学学院,福建江夏学院 电子信息科学学院,福州大学数学与计算机科学学院,福州大学数学与计算机科学学院,福州大学数学与计算机科学学院 |
| |
| 基金项目： | 国家自然科学基金项目（面上项目，重点项目，重大项目）,国家杰出青年科学基金（含外籍）,福建省自然科学基金资助项目（面上项目，重点项目，重大项目），模式识别国家重点实验室开放课题基金项目 |
| |
| 摘 要： | 由于论辩挖掘任务的复杂性，其往往需要大规模的相关语料进行训练；但当前的研究工作大多是针对单一领域数据进行建模求解，在数据较为匮乏的新兴领域中，论辩挖掘任务难以开展。因此，提出了一种面向低资源场景的多任务学习的论辩挖掘方法。该方法首先通过卷积神经网络（CNN）和高速神经网络（Highway）对原文本的字符信息进行编码，获得多个数据集在词级的共享信息表示，然后由双向的有序神经元-长短时记忆循环神经网络（Bi-ON-LSTM）进一步处理词级信息和任务相关特征的联合表示,挖掘文本中潜藏的层级结构信息。最后使用条件随机场（CRF）对模型进行求解得到最终的序列标注结果。该文实验采用德国UKP实验室的学生论文数据集、维基百科文章等六个数据集进行相关的对比实验。实验结果表明，该文提出的方法在宏观F1值上较基准模型有1%-2%的提升，有效地提升模型的整体性能。
|
| 关 键 词： | 论辩挖掘 神经网络 多任务学习 |
| 收稿时间： | 2020/7/21 0:00:00 |
| 修稿时间： | 2020/8/31 0:00:00 |
Research on argumentation mining for low resource scenarios |
| |
| YeKai,WeiJIngjing,WeiDongchun,WangQiang and LiaoXiangwen.Research on argumentation mining for low resource scenarios[J].Journal of Fuzhou University(Natural Science Edition),2021,49(2). |
| |
| Authors: | YeKai WeiJIngjing WeiDongchun WangQiang and LiaoXiangwen |
| |
| Abstract: | |
| |
| Keywords: | argumentation mining deep learning multi-task learning |
|
| 点击此处可从《福州大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《福州大学学报(自然科学版)》下载免费的PDF全文 |
