《基于语义依存线索的事件关系识别方法研究》由会员分享，可在线阅读，更多相关《基于语义依存线索的事件关系识别方法研究（23页珍藏版）》请在金锄头文库上搜索。
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 v研究背景及相关工作 v任务描述 v基于依存线索的事件关系识别 方法 v实验 与分析 v总结 和展望 1/20 研究背景 v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 v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 v大部分研究对某一特定事件关系进行抽取 Lin(2001) vDIRT算法；因果关系 Szpektor(2004) v利用无监督的方法，抽取事件关系资源，构建模板 Tatu(20
2、08) v基于“区间代数”算法构建推理规则 ；时序关系 内容安排 v研究背景及相关工作 v任务描述 v基于正确性的评估方法 v实验 与分析 v总结 和展望 4/20 任务描述 v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” v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 v研究背景及相关工作 v任务描述 v基于依存线索的事件关系识别
3、方法 v实验 与分析 v总结 和展望 6/20 基于依存线索的事件关系识别 v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 v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 v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 v虚拟事件、初始依存集构建 依存
4、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 SASA1SA2 依存线索集构建 v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。” v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 v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 vAPC
5、luster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 v研究背景及相关工作 v任务描述 v基于依存线索的事件关系识别 方法 v实验 与分析 v总结 和展望 13/20 实验设置 v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 v评价指标 14/20 实验设置 v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
6、 系统试验结 果 Table 1 The Results of Systems sysMacroP(%)MacroR(%)MacroF(%) Baseline136.0948.9941.56 Baseline248.2451.9650.03 Dcue157.9351.7254.59 Our_sys59.4152.0355.48 实验分析 v依存关系促进事件关系的识别 v跨子句的依存特征稀疏 17/20 线索充分样本点 线索稀疏样本点 sysMacroP(%)MacroR(%)MacroF(%) Dcue-sparse36.0948.9941.56 Dcue-sufficient75.0263.
7、5668.82 表2 依存稀疏验证实验结果 Table 2 Results of Dependency Sparseness Experiment 图1 虚拟依存事件集数目分布 Fig.1 Virtual Dependency Events Number Distribution 实验分析 v仅对线索充分样本点进行分析 图2 每个话题 内事件关系识别 性能 Fig.2 Performance of 6 Topic Events Relation Recognization 丰富依存线索集能够取得较好的识别性能 18/20 内容安排 v研究背景及相关工作 v任务描述 v基于依存线索的事件关系识别 方法 v实验 与分析 v总结 和展望 19/20 总结与展望 v当前针对 事件关系的研究 针对某一特定事件关系进行识别 尚未提出完整的事件关系定义 v基于依存线索的事件关系识别 方法 虚拟事件 构建依存线索集 v未来工作 尝试采用层次聚类算法，强调聚类过程中的层次特性 进一步确定事件关系的类别 20/20 谢谢！ 知识回顾知识回顾 Knowledge Knowledge ReviewReview
