文献类型：期刊文章

作　　者：王衡军[1] 司念文[1] 宋玉龙[2] 单义栋[1]

机构地区：[1]解放军信息工程大学三院 [2]73671部队

出　　处：《通信学报》

年　　份：2018

卷　　号：39

期　　号：2

起止页码：53-64

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：利用时序型长短时记忆(LSTM,long short term memory)网络和分片池化的卷积神经网络(CNN,convolutional neural network),分别提取词向量特征和全局向量特征,将2类特征结合输入前馈网络中进行训练;模型训练中,采用基于概率的训练方法。与改进前的模型相比,该模型能够更多地关注句子的全局特征;相较于最大化间隔训练算法,所提训练方法更充分地利用所有可能的依存句法树进行参数更新。为了验证该模型的性能,在宾州中文树库(CTB5,Chinese Penn Treebank 5)上进行实验,结果表明,与已有的仅使用LSTM或CNN的句法分析模型相比,该模型在保证一定效率的同时,能够有效提升依存分析准确率。

关 键 词：依存句法分析 图模型 长短时记忆网络  卷积神经网络 特征  

分 类 号：TN912.3]