面具DGNets:面具注意力引导的动态图集成网络,用于事件提取.
Guangwei Zhang1, Fei Xie2, Lei Yu2
1Didi Infinite Technology Development Co., LTD., Beijing, China.
PloS one
|November 15, 2024
概括
这项研究介绍了一种新的蒙面注意力引导的动态图集成网络 (MaskDGNets),用于改进事件提取. 该框架增强了特征表示,并捕捉了复杂的事件关联,在基准数据集上实现了卓越的性能.
科学领域:
- 自然语言处理自然语言处理.
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 传统的深度学习事件提取方法忽视了单词特征和序列信息之间的相关性.
- 现有的模型无法完全捕捉事件及其属性之间的复杂关联.
研究的目的:
- 开发一个先进的事件提取框架,解决当前深度学习方法的局限性.
- 增强对事件及其主要属性的关系的理解.
主要方法:
- 引入了一个面具注意力引导的动态图形聚合网络 (MaskDGNets).
- 集成的单词和字符向量,用于可靠的表示.
- 在双向循环单元中使用压缩层,以增强序列建模.
- 使用动态图集成模块进行事件间和事件属性连接.
- 开发了一个重建的加权损失函数用于模块监控.
主要成果:
- MaskDGNets在事件提取任务中表现出强大的性能.
- 在DuEE数据集上获得了81.443%的高F1分,在CCKS2020数据集上获得了87.382%.
- 该框架有效地模拟了长期依赖和全球背景.
结论:
- 拟议的MaskDGNets框架显著提高了事件提取性能.
- 这种新的架构有效地捕捉了事件数据中的复杂关系.
- 这种方法为高级自然语言理解任务提供了一个有希望的方向.


