黄一龙,李培峰,朱巧明.事件因果与时序关系识别的联合推理模型[J].计算机科学,2018,45(6):204-207, 234
事件因果与时序关系识别的联合推理模型
Joint Model of Events’ Causal and Temporal Relations Identification
投稿时间:2017-03-18  修订日期:2017-06-11
DOI:10.11896/j.issn.1002-137X.2018.06.036
中文关键词:  事件,因果关系,时序关系,联合模型
英文关键词:Event,Causal relation,Temporal relation,Joint model
基金项目:本文受国家自然科学基金(61472265),国家自然科学基金重点项目(61331011),江苏省前瞻性联合研究项目(BY2014059-08)资助
作者单位E-mail
黄一龙 苏州大学计算机科学与技术学院 江苏 苏州215006江苏省计算机信息处理技术重点实验室 江苏 苏州215006  
李培峰 苏州大学计算机科学与技术学院 江苏 苏州215006江苏省计算机信息处理技术重点实验室 江苏 苏州215006 pfli@suda.edu.cn 
朱巧明 苏州大学计算机科学与技术学院 江苏 苏州215006江苏省计算机信息处理技术重点实验室 江苏 苏州215006  
摘要点击次数: 163
全文下载次数: 133
中文摘要:
      事件的因果关系与时序关系是两种重要的事件关系。已有研究往往将事件的因果关系与时序关系识别分别看成两项独立的任务,这种做法忽略了两种事件关系之间的关联性。文中提出使用整数线性规划方法来构建基于事件因果关系与时序关系识别的联合推理模型。联合模型对两种事件关系进行约束,在分类器模型的基础上对结果进行优化。最终结果表明,所提联合推理模型能够有效增强识别性能。
英文摘要:
      Causal and temporal relations of events are both important event relationships.The previous work regarded the identification of causal and temporal relations of events as two independent tasks,ignoring the association between them.This paper applied integer linear programming(ILP) to construct joint model of event based on identification of causal and temporal of event.Based on classifier model,the joint model optimizes the recognition results through constraints.The experimental results show that this joint model significantly enhances the identification performance.
查看全文  查看/发表评论  下载PDF阅读器