指代消解

摘要： 【目的】命名实体识别是自然语言处理领域的一项基本任务,实体包括人名、地名和组织名等,与其他实体相比,人名与职务、职务变更及人称代词有关。人名的实体识别中,人名语料的残缺及人称指代不明等问题,成为处理中的难点、痛点。基于此观察,本文提出一种融合指代消解的序列标注方法来改进人名识别,这可以有效缓解人名识别中人名语料不完善的问题,并且可以解决人称代词指代不明、人力耗费量大等问题。【方法】具体地,首先利用职务变更进行数据增强,可以有效解决实际应用中标注数据不足的问题。接着为了更好地学习上下文特征,本文使用语言预训练模型BERT和双向长短时记忆网络结合的方式,并利用条件随机场建模来标签序列的关系。最后,针对文本中的人称代词,加入指代消解算法,进一步改进人名识别。【结果】在公共数据集和本文提出的数据集上的实验结果均表明本文提出方法的有效性。

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.

摘要： 【目的】为改善手动或简单的引文提取方法,提高引文内容分析效果,应精确抽取引文内容。【方法】将引文内容抽取任务具体分为引文句、引文上下文、引文元数据三部分,基于指代消解理论,利用机器学习和层次过滤法对引文上下文进行抽取。【结果】实验数据收集了顺序编码制的中文期刊文献,结果证实该方法抽取引文句并解析参考文献结果正确无误,识别引文上下文的F1值为0.780~0.849。【局限】缺乏中文科学引文语料资源,实验数据选择人工标注小规模数据集,跨域能力有限,不可避免存在文本领域依赖的缺陷。【结论】本研究能够优化和扩大引文内容分析的步骤和范围,为使用引文内容分析法的相关研究者提供参考。

摘要： [目的 /意义]指代消解是古文信息挖掘的重要组成部分,是古文数字人文研究的技术支撑研究之一.文章使用深度学习的方法对古代汉语文本的人称指代问题进行实验探索,旨于为古文数字人文研究的发展做出推进.[方法/过程]选取《史记》为语料来源,通过阅读大量文献的同时结合语料特征制定标注规范,人工构建实验所需的语料库;另外,使用深度学习的方法对古代汉语文本的人称指代问题进行实验探索,并将文本划分为无词性字单位语料、无词性词单位语料、有词性词单位语料三种,探索不同分割单位与词性特征引入对指代消解效果的影响.[结果/结论]实验结果表明,在Bi-LSTM-CRF模型实验中引入词性特征,消解效果(F均值)达84.01％,而在未引入词性特征的情况下,BERT模型指代消解效果优于Bi-LSTM-CRF,F均值达82.43％.基于Bi-LSTM-CRF模型的无词性字单位文本实验与无词性词单位文本实验中F均值分别为74.13％、77.57％.所利用的深度学习方法能够有效解决古文句内人称代词指代消解问题,同时词性特征的引入能够有效提升模型的指代消解性能.[局限]仅针对句内、有且只有一条指代链的情况进行人称代词指代消解研究,同时文本量较小,实验具有一定局限性.

摘要： [目的]为改善手动或简单的引文提取方法,提高引文内容分析效果,应精确抽取引文内容.[方法]将引文内容抽取任务具体分为引文句、引文上下文、引文元数据三部分,基于指代消解理论,利用机器学习和层次过滤法对引文上下文进行抽取.[结果]实验数据收集了顺序编码制的中文期刊文献,结果证实该方法抽取引文句并解析参考文献结果正确无误,识别引文上下文的F1值为0.780～0.849.[局限]缺乏中文科学引文语料资源,实验数据选择人工标注小规模数据集,跨域能力有限,不可避免存在文本领域依赖的缺陷.[结论]本研究能够优化和扩大引文内容分析的步骤和范围,为使用引文内容分析法的相关研究者提供参考.

摘要： [目的]针对先行表述复杂、指代词语义不明的问题,探索更有效的指代消解方法.[方法]采用端到端的框架,使用打分排序法识别指代关系.先对文本段中的连续词序列进行“提及”打分,判断是否为“提及”;然后利用筛选出的候选“提及”对指代关系打分.其中词序列建模采用动态语义注意力机制,引入更匹配当前指代关系的外部词语义,并使用内部注意力编码,突出先行表述中与指代词关联的部分;综合两部分打分排序得到识别结果.[结果]在基于OntoNotes5.0语料库的CoNLL-2012共享任务英语数据上进行实验,同参数情况下,准确率、召回率、F1值分别比基准模型提高2.02％、0.42％、1.14％.[局限]外部语义表征的来源语料不够丰富,有待补充.训练语料皆为新闻、脱口秀或者网络日志等通用文本,可考虑加入科技文献语料,构造更为丰富的指代情境,并评估模型在各种指代情境下的表现.[结论]动态语义注意力模块可在构建词序列表示时注入更有利于当前指代关系识别的语义特征,动态的、有选择性的外部语义注入更有利于指代关系的识别.

摘要： 针对深度神经网络模型仅学习当前指代链语义信息忽略了单个指代链识别结果的长期影响问题,提出一种结合深度强化学习(deep reinforcement learning)的维吾尔语人称代词指代消解方法.该方法将指代消解任务定义为强化学习环境下顺序决策过程,有效利用之前状态中先行语信息判定当前指代链指代关系.同时,采用基于整体奖励信号优化策略,相比于使用损失函数启发式优化特定的单个决策,该方法直接优化整体评估指标更加高效.最后在维吾尔语数据集进行实验,实验结果显示,该方法在维吾尔语人称代词指代消解任务中的F值为85.80％.实验结果表明,深度强化学习模型能显著提升维吾尔语人称代词指代消解性能.

摘要： 本文提出了一种基于支持向量机(SVM)的中文名词短语的指代消解方法，并给出具体实现系统，在ACE2005中文语料上对所有的名词短语进行消解.测试得到的F值为63.3％.本文系统分析了SVM中不同核函数对分类结果的影响以及每一个特征对指代消解的贡献，并详细考察实验结果的错误分布。经实验发现，同位语、别名和字符串匹配这三个特征的贡献最大.指代遗漏是本系统出现最多的错误，主要原因是目前的特征不足，不能有效解决相应指代.

摘要： 本文实现了一个基于机器学习的指代消解平台。在此基础上,通过自动语义角色标注工具得到目标动词和语义角色信息,组合语义角色特征和动词驱动特征,研究发现两者的结合能够显著提高系统的性能。对于无法得到语义类别的名词,本文尝试利用动词的选择限制来给这类名词赋予语义类别。在对ACE2003 NWIRE中所有类型名词短语的测试表明,综合考虑语义角色、动词驱动以及动词的选择限制能显著提高系统的召回率和F值。

摘要： 指代是自然语言中广泛存在的语言现象，大量出现在篇章或对话中。随着篇章处理应用日益广泛，指代消解显示出前所未有的重要性，并成为自然语言处理研究的热点。针对指代和指代消解的有关问题，本文对基本概念作了说明，分析了语言中的指代现象和指代消解所需的基本语言知识，介绍近10年国内外有代表性的几种计算方法和采用的实现技术。

摘要： 指代是自然语言中常见的语言现象,随着篇章理解相关应用的日益广泛,指代消解显示出前所未有的重要性,已成为自然语言处理的热门研究问题。本文较系统地介绍了指代消解的国内外研究现状,分析了制约指代消解的关键问题,探讨了目前国际上指代消解的研究趋势。

摘要： 指代是自然语言中常见的现象,指代消解是信息提取中的一个关键问题,它对于信息提取中实体关系的研究有着至关重要的作用.论文对信息提取中的指代进行了深入分析,尝试了基于史列表法并通过一些筛选策略进行优选和过滤的消解策略,在提取与电子产品相关的信息提取实验中进行了验证,取得了较好的效果.

摘要： 指代是自然语言中常见的语言现象，在衔接上下文和语篇意义的连贯中起着重要的作用，因此指代消解也是自然语言处理中语篇理解的关键问题之一。rn 本文系统介绍我们近些年来在汉语指代消解方面的研究工作，包括基于关注焦点理论的人称指代消解方法、汉语元指代消解策略，以及一种基于语篇表述理论(DRT)的汉语人称代词指代消解方法。本文主要是从语篇理解和指代消解相互作用的动态过程中实现的，强调关注焦点集构造，并综合运用句法知识、格语法、DRT理论和元语言知识。所有的方法均作了大量的实验分析，结果表明所提出的这些方法，具有一定的消解效果。

摘要： 如何让计算机根据自然语言的语义表示消解句子乃至段落篇章中的人称代词,一直是自然语言处理的一大难题。本文依据HNC理论的句类表达式和语义块构成的相关知识,提出了一种基于语义结构平行的人称代词消解算法,通过定义句子语义块的层次结构,制定相关的人称代词消解规则和算法,实现了段落中人称代词的指代消解,经开放测试表明该方法具有较好的消解效果。

摘要： 从生物医学文献中抽取蛋白质(基因)相互作用关系对蛋白质知识网络的建立,蛋白质关系的预测,新药的研制等均具有重要的意义。本文提出了一个生物医学文献中的蛋白质相互作用关系抽取系统。该系统首先使用条件随机域模型对文献进行实体识别,然后通过指代消解和链接语法分析等将复杂句子划分为简单句,最后通过识别句子的语法成分从这些语法成分和它们的组合中抽取蛋白质(基因)相互作用关系。本文的最后给出了实验结果和错误分析。

摘要： 术语同义词对的自动发现和识别在文献检索领域有着重要的研究意义和应用价值。本文提出一种在文献中自动抽取同义词的方法，它将问题分为(1)抽取同义词对；(2)确认同义词对是否真正匹配，两步的完成都借助了机器学习的方法。实验证明本文的方法是有效的。

摘要： 术语同义词对的自动发现和识别在文献检索领域有着重要的研究意义和应用价值。本文提出一种在文献中自动抽取同义词的方法，它将问题分为(1)抽取同义词对；(2)确认同义词对是否真正匹配，两步的完成都借助了机器学习的方法。实验证明本文的方法是有效的。

摘要： 本发明涉及一种基于微观话题结构的指代消解方法及系统，首先获取文本并对文本进行篇章基本话题单元切割构成篇章微观话题结构；然后从篇章微观话题结构中识别主述位；再以主述位为连接端口识别篇章基本话题单元之间的衔接关系；最后根据识别的衔接关系，将照应语中候选先行语的范围落在与其所在主述位结构相衔接的前一个篇章基本话题的主位或述位中，减少消解对的数量，再提取限定范围内的名词所拥有的词性、句法及语义特征，最后利用最大熵分类算法完成消解单元的识别。该方法是基于主位和述位，以话题为中心，立足于小句层面的指代消解方法，利用主述位结构及主位推进模式，缩小了指代消解对的数量，降低计算的复杂度，从而提高指代消解性。

摘要： 本公开提供一种指代消解方法、指代消解模型的训练方法及装置，该指代消解方法包括：获取待处理的当前话语；将所述当前话语输入至指代消解模型的指代消解检测子模型中，得到所述当前话语的存在语义缺失的预测插入位置和/或需要被替换字词的预测删除位置；将所述当前话语的预测插入位置和/或预测删除位置，以及，所述当前话语对应的历史对话，输入至所述指代消解模型的消解补全子模型中，得到所述预测插入位置处语义缺失的字词在所述历史话语中的预测位置和/或所述预测删除位置处需要被替换字词在所述历史话语中对应的替换字词的预测位置。本公开可以解决指代消解方案在多轮对话中表现效果欠佳的问题。

摘要： 本申请适用于终端人工智能技术领域，提供了零指代消解方法、训练零指代消解模型的方法及电子设备。上述训练零指代消解模型的方法包括：将训练文本中的所有词转换为第一向量；其中，训练文本中包括多个先行词和多个零代词，第一向量包括与各个先行词对应的第一先行词向量和与各个零代词对应的第一零代词向量，第一零代词向量中包含零代词的位置信息；将零代词的位置信息融合到第一先行词向量中，得到第二先行词向量；基于第一零代词向量和第二先行词向量，确定每个先行词的理论类别标签；其中，每个先行词对应一个预设类别标签；根据每个先行词的理论类别标签与预设类别标签，对零指代消解模型进行训练。上述方法能够提高零指代消解的准确性。

摘要： 本发明实施例提供了一种指代消解模型的训练方法及装置、电子设备。该方法包括：在预设语料池中筛选符合目标条件的语料；符合目标条件的语料中至少存在第一候选名词、第二候选名词以及目标名词，第一候选名词与目标名词相同，第二候选名词与目标名词不同。将符合目标条件的语料中的目标名词替换为预设标识，第一候选名词替换为第一预设名词，第二候选名词替换为第二预设名词，得到目标语料。生成对应目标语料的标注信息，根据目标语料以及对应目标语料的标注信息进行训练。本发明实施例以自动化的方式构造大量用于训练指代消解模型的目标语料，避免了人工标注语料的过程，使得训练指代消解模型的整个过程省时省力。

摘要： 本发明实施例提供了一种指代消解模型的训练方法及装置、电子设备。该方法包括：在预设语料池中筛选符合目标条件的语料；符合目标条件的语料中至少存在第一候选名词、第二候选名词以及目标名词，目标名词为语料的名词中位于最后的名词，第一候选名词与目标名词相同，第二候选名词与目标名词不同。将符合目标条件的语料中的目标名词采用预设标识进行替换，得到目标语料。根据第一候选名词以及第二候选名词，生成对应目标语料的标注信息。根据目标语料以及对应目标语料的标注信息，对指代消解模型进行训练。本发明实施例以自动化的方式构造大量用于训练指代消解模型的目标语料，避免了人工标注语料的过程，使得训练指代消解模型的整个过程省时省力。

摘要： 本发明提供基于事件的指代消解系统、方法、终端及存储介质，包括：事件识别模块，用于基于预设知识维度对文本识别得到事件集合；多级筛选模块，包括用于处理不同指代类型的若干匹配层；指代标准化模块，连接所述多级筛选模块，用于将所述多级筛选模块所识别出的指代结果按照预设语料库的形式进行标准化处理。本发明基于事件的语义特征，提高了指代消解的准确率；与已有指代消解方法相比，通过加入事件的特征，可以针对多种类型的指代进行识别；扩展性较好，便于测试，适合添加多种模型；每一层以上一层筛选出的实体聚类体为输入，在进行指代判断时，可以使用更多的信息，避免了实体表达对只从两个词语判断的缺陷。

摘要： 本发明提供一种端到端的多任务学习的对话指代消解方法及系统，包括：上下文信息表示模块、零代词注意力表示模块深度检测模型、替换模块；所述上下文信息表示模块，用于将历史对话和当前对话进行预处理后，提取候选词上下文表示和代词上下文表示，并将两者进行注意力权重计算；所述零代词注意力表示模块，将候选词上下文表示和代词上下文表示进一步进行注意力权重计算；所述深度检测模型，用于判断当前会话中是否存在指代现象，所述替换模块，将代词、零代词替换成候选词。本发明采用了端到端的多任务深度学习技术，实现基于注意力机制表示完成消解任务，提高了消解准确率，保证了指代完整恢复，提高对话系统智能化能力。

摘要： 本发明提供一种基于多标签序列标注的指代消解方法，包括：S1、将待处理文本分割成预设长度且不重合的多个文本片段；S2、采用预训练模型对每个文本片段进行编码得到每个字符的语义表达；S3、基于每个字符的语义表达分别判断每个字符是否属于B I E标签；S4、基于每个字符对应的标签，在连续I标签序列中，基于预设的组合策略组合任意的BE标签对应的字符构成短语，其中，连续I标签序列表示一个连续的字符序列中的每个字符均具有I标签；S5、计算任意两个短语之间的相似性得分，为每个短语保留与其相似性得分排名靠前的预设个数的短语作为其前置候选短语；S6、采用排序模型将每个短语的前置候选短语进行排序并将得分第一的前置候选短语作为其互指对象。

摘要： 本发明涉及一种用于对话系统的指代消解方法，方法包括：将对话系统接收到的句子进行编码，得到句子的句矩阵；将句矩阵输入第一分类器组，获得句子的先行语的头索引和尾索引；根据先行语的头索引和尾索引获得先行语向量；将先行语向量与句矩阵作点积得到相关向量；将相关向量输入第二分类器组，获得句子的一个或多个照应语的头索引和尾索引；根据先行语的头索引和尾索引从句子中取出先行语，根据一个或多个照应语的头索引和尾索引从句子中取出一个或多个照应语，得到指代消解结果。本发明可以识别句子中同一个先行语所对应的多个照应语，为后续的对话内容处理提供更加完整的信息。

摘要： 一种直播平台的商品指代消解方法及装置、存储介质、计算设备，所述方法包括：获取直播间的弹幕信息和直播商品信息，其中，所述直播商品信息是用于描述所述直播间内商品的信息；判断所述弹幕信息是否包含商品问询消息，如果是，则识别出所述商品问询消息中的指代词；根据所述直播商品信息确定所述指代词指代的商品，以确定所述商品问询消息所指向的商品。通过本发明的方案，可以在电商直播场景下确定用户所咨询的商品。