基于语义依存线索的事件关系识别方法研究马彬苏州大学.pptVIP

谢谢！ 1.核心事件和外延事件要不要说？？ 2.加框 这里英文需要加，后面直接使用英文符号代替 基于Dcue的关系识别主要分为三部分：事件定位、依存线索集构建和关系推理。 1。先介绍定位 2.再介绍定位方法，其中编辑距离的效果最好 3.《基于语义依存的句子相似度》要不要给明出处？ 判断子句SA1和SA2是否存在直接或间接依存连接弧，“待命”是直接相连的；“关注”是间接相连的 步长为2 虚拟事件的解释 事件e1定位到下面的句子“9/11袭击导致大规模人员伤亡”，只能找到“世贸大楼瞬间倒塌”和“世界为之震惊”两个事件 1.首先考虑eA的虚拟依存事件eAi和eB的相似度，如果eA的虚拟依存事件eAi与eB相似度很高，则可通过eA的虚拟事件eAi与eA的依存度dep(eA,eAi)代替eB与eA的依存度值。 2. sim(eAi,eB)是通过编辑距离计算得到 这页做的不太好，！！！ 跨子句的依存特征稀疏，导致跨子句的依存特征稀疏,因此，单独对线索充足样本点进行识别，结果明显提高 1 1 1 1 1 1 1 1 1 1 1 基于语义依存线索的事件关系 识别方法研究 马彬 苏州大学 内容安排 研究背景及相关工作 任务描述 基于依存线索的事件关系识别方法 实验与分析 总结和展望 1/20 研究背景 事件的发生往往不是孤立现象 事件“袭击”往往与“死亡”、“摧毁”事件共现同一语言环境中 与传统的话题检测任务不同 同一话题下得外延事件之间不能保证逻辑关联性 仅能实现对事件关系的粗粒度识别和检测 2/20 相关工作 3/20 大部分研究对某一特定事件关系进行抽取 Lin(2001) DIRT算法；因果关系 Szpektor(2004) 利用无监督的方法，抽取事件关系资源，构建模板 Tatu(2008) 基于“区间代数”算法构建推理规则；时序关系 内容安排 研究背景及相关工作 任务描述 基于正确性的评估方法 实验与分析 总结和展望 4/20 任务描述 给定话题“金正日去世”，包含如下事件： 事件1：“金正恩接班” 事件2：“古巴举行为期三天的哀悼” 事件3：“朝鲜和美国核对话推迟” 事件4：“亚太股市多数收跌” 事件5：“朝鲜推选金正恩为人民最高司令官” 以事件为基本语义单元，实现事件语义关系的浅层检测 构建某一事件的相关事件集合 识别事件间逻辑关系存在与否（相关、不相关） 5/20 内容安排 研究背景及相关工作 任务描述 基于依存线索的事件关系识别方法 实验与分析 总结和展望 6/20 基于依存线索的事件关系识别 本文观点：假设依存属性能够直接表述逻辑关联属性 依存线索（Dependence Cue，简称Dcue） 事件eA的虚拟事件：与事件eA的描述有句法依存的句子 7/20 基于依存线索的事件关系识别 8/20 事件语料 Baseline系统 事件定位 依存线索集 构建 事件关系推理 ApCluster 相关事件对 事件定位 9/20 目的：对给定的目标事件探索特定文本中的一致或近似描述 定位方法： 基于语义依存的句子相似度 余弦相似度 编辑距离 事件eA的描述 依存线索集构建 虚拟事件、初始依存集构建 依存连接弧（直接、间接） 每个依存对出现的条件概率值 计算子句SAi和事件eA的事件依存度： 10/20 SA SA1 SA2 依存线索集构建 由于句子长度有限，蕴含的事件信息较少 事件e1：9/11袭击致大规模伤亡 事件e2 ：美国举国哀悼 “9/11袭击导致大规模人员伤亡，世贸大楼瞬间倒塌， 世界为之震惊。” 依存集的迭代扩展 继续定位每个虚拟事件eve 计算对应的虚拟事件依存度值 直到不存在新的依存线索事件 11/20 事件关系推理 以两个事件的依存度作为相关度： d(eA,eB)表示目标事件eA和eB的依存度 sim(eAi,eB)为虚拟关联事件eAi和目标事件eB的相似度值 APCluster聚类 同一聚类中的事件两两相关，否则两个事件不存在逻辑关系 12/20 内容安排 研究背景及相关工作 任务描述 基于依存线索的事件关系识别方法 实验与分析 总结和展望 13/20 实验设置 语料来源 新浪、腾讯等网站的新闻专题的6个话题 每个话题30篇报道 平均每个话题包含32个新闻事件 评价指标 14/20 实验设置 基准系统以及本实验系统 Baseline1：余弦相似度 Baseline2：编辑距离；依存连接弧 Dcue1：基于语义依存；依存连接弧；依存弧的步长 Our_sys：编辑距离；依存连接弧；依存弧的步长 15/20 实验结果 16/20 表1 系统试验结果 Table 1 The R