基于Bert模型的框架类型检测方法

摘要

FrameNet是一种著名的语义资源,不仅定义完备的框架体系,且提供丰富的标注语料,其数据经常被用于语义角色标注、事件检测、情感分析等NLP任务.受词义消歧(Word Sense Disambiguation,WSD)原理启发,提出一种基于Bert模型的框架类型检测方法.与传统方法只考虑词元上下文信息不同,该方法同时考虑词元的解释性信息.方法 利用序列标注模型提取词元的上下文信息;利用语句关系检测模型判断语句与词元定义之间的相关性.在FrameNet框架检测实验中分别与传统的序列标注模型和语句关系检测模型进行了对比.实验结果表明,文章模型性能优于传统模型,从而证明方法的有效性.