發(fā)布時(shí)間：2024-12-21 08:51

　　互聯(lián)網(wǎng)時(shí)代導(dǎo)致了人們獲得的資訊中存在大量冗余的或者無(wú)意義的信息,然而很多用戶使用網(wǎng)絡(luò)的目標(biāo)是希望能夠清晰的了解某一件事情的“因果”,避免瀏覽不相關(guān)或者重復(fù)信息。除此之外,用戶希望可以從繁多的網(wǎng)頁(yè)信息中快速準(zhǔn)確的找到自己關(guān)心的“因果”信息。那么對(duì)文本中的“因果”相關(guān)任務(wù)探究便十分必要。本文對(duì)面向新聞?lì)I(lǐng)域的因果關(guān)系判斷方法進(jìn)行了探究,首先提出了基于句子成分的論元識(shí)別方法,在得到論元的基礎(chǔ)上提出基于句法和語(yǔ)義信息融合的因果關(guān)系判斷方法,最后構(gòu)建出的因果知識(shí)庫(kù)可用于信息檢索和問(wèn)答等多種應(yīng)用中。首先,論元識(shí)別任務(wù)是需要從輸入的自然語(yǔ)言語(yǔ)句中選擇出可以表達(dá)關(guān)系的兩個(gè)句子成分,這里所指句子成分為一段連續(xù)的、可以表達(dá)一個(gè)完成語(yǔ)義的文字序列。本文將輸入句子進(jìn)行句法樹(shù)表示,采用子樹(shù)提取算法獲取候選論元,選擇機(jī)器學(xué)習(xí)模型進(jìn)行論元識(shí)別。本文將識(shí)別出的論元對(duì)用于因果關(guān)系判斷。而本文所指的因果關(guān)系判斷任務(wù)主要是判別輸入的兩個(gè)論元之間是否存在事實(shí)性的、明確的影響,是二分類(lèi)任務(wù)。分析任務(wù)的特點(diǎn)之后可以看出除了論元序列本身的語(yǔ)義信息外,輸入論元的句法結(jié)構(gòu)信息對(duì)因果關(guān)系判斷也有影響。因此本文從兩個(gè)方面進(jìn)行嘗試:一個(gè)是基于句...

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1例2-1的句法樹(shù)表示本文使用子樹(shù)提取算法獲取候選論元

哈爾濱工業(yè)大學(xué)碩士學(xué)位論文可以看出最大熵模型學(xué)習(xí)的主要是特征函數(shù)f(x,y)的權(quán)重。目標(biāo)函數(shù)是最大熵模型的似然函數(shù)，可以通過(guò)最大似然估計(jì)參數(shù)。2.3.2基于句子成分的論元識(shí)別基于句子成分（Constitute-Based）的識(shí)別方法首先需用句法樹(shù)（parsetree....

圖2-2循環(huán)神經(jīng)網(wǎng)絡(luò)的神經(jīng)元示意圖

網(wǎng)絡(luò)RNN）接神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)或者卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)都是首先隱藏層，再將隱藏層得到的中間數(shù)據(jù)信息傳遞給輸全部連接要么是部分連接，但事每一層內(nèi)部的所有自然語(yǔ)言處理任務(wù)中存在一個(gè)比較常見(jiàn)的問(wèn)題：句子具有正確的詞語(yǔ)順序、合理的結(jié)構(gòu)、確定的語(yǔ)生變化就有可能破壞這種嚴(yán)謹(jǐn)?shù)暮侠泶_定的唯一語(yǔ)沒(méi)有辦法....

圖2-3LSTM記憶單元示意圖

泛的一種形式，LSTM比標(biāo)準(zhǔn)RNN在眾多的方面都單的循環(huán)神經(jīng)網(wǎng)絡(luò)雖然可以很好的處理短距離（卻無(wú)法較好處理長(zhǎng)距離（long-term）依賴(lài)關(guān)系。部分推移下多次乘法操作導(dǎo)致的梯度爆炸或者梯度消散絡(luò)能夠解決RNN存在的梯度消散問(wèn)題，它在反向進(jìn)行傳播，從而可以學(xué)習(xí)長(zhǎng)期依賴(lài)信息。....

圖 2-4 Tree-LSTM 模型結(jié)構(gòu)示意圖

[37]（數(shù)量和孩子節(jié)點(diǎn)數(shù)相同），圖2-4是Tree-LSTM模型的結(jié)構(gòu)示意圖。圖2-4Tree-LSTM模型結(jié)構(gòu)示意圖本文中給出的是二叉樹(shù)結(jié)構(gòu)，故有兩個(gè)遺忘門(mén)。在多數(shù)應(yīng)用中，可以把多叉樹(shù)表示轉(zhuǎn)化為二叉樹(shù)。下圖2-5是一個(gè)tree-LSTM記憶細(xì)胞圖：圖2....

本文編號(hào)：4018731