文献类型：期刊文章

作　　者：杨启萌[1,2,3] 禹龙[2,3,4] 田生伟[1,2,3] 艾山·吾买尔[2,3,5]

YANGQi-Meng;YU Long;TIAN Sheng-Wei;AISHAN Wumaier(SchoolofSoftware,XinjiangUniversity,Urumqi 830008;Key Laboratory of software engineering technology,Xin-jiang University,Urumqi 830046;Key Laboratory of Sig-nal and Information Processing,Xinjiang University,Urumqi 830046;Network Center,Xinjiang University,Urumqi 830046;College of formation Science and Technology,Xin-jiang University,Urumqi 830046)

机构地区：[1]新疆大学软件学院,乌鲁木齐830008 [2]新疆大学软件工程技术重点实验室,乌鲁木齐830046 [3]新疆大学信号与信息处理重点实验室,乌鲁木齐830046 [4]新疆大学网络中心,乌鲁木齐830046 [5]新疆大学信息科学与工程学院,乌鲁木齐830046

出　　处：《自动化学报》

基　　金：国家自然科学基金(61563051,61662074,61962057);国家自然科学基金重点项目(U2003208);自治区重大科技项目(2020A03004-4);新疆自治区科技人才培养项目(QN2016YX0051)资助。

年　　份：2021

卷　　号：47

期　　号：6

起止页码：1412-1421

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ2020、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对深度神经网络模型学习照应语和候选先行语的语义信息忽略了每一个词在句中重要程度,且无法关注词序列连续性关联和依赖关系等问题,提出一种结合语境多注意力独立循环神经网络(Contextual multi-attention independently recurrent neural network,CMAIR)的维吾尔语人称代词指代消解方法.相比于仅依赖照应语和候选先行语语义信息的深度神经网络,该方法可以分析上下文语境,挖掘词序列依赖关系,提高特征表达能力.同时,该方法结合多注意力机制,关注待消解对多层面语义特征,弥补了仅依赖内容层面特征的不足,有效识别人称代词与实体指代关系.该模型在维吾尔语人称代词指代消解任务中的准确率为90.79%,召回率为83.25%,F值为86.86%.实验结果表明,CMAIR模型能显著提升维吾尔语指代消解性能.

关 键 词：注意力机制  语境 独立循环神经网络  指代消解

分 类 号：TP391.1]