电子技术杂志社

摘要：阐述针对成分句法分析利用文本序列中的跨度信息不足（如传统使用双向LSTM做差进行跨度表示），而影响模型解析效果的问题，提出基于多通道跨度注意力的成分句法分析模型。通过n-grams局部特征增强方式来辅助模型学习跨度表示。首先利用无监督算法自适应地构造词典，筛选当前跨度置信度较高的n-grams，然后通过多通道跨度注意力对n-grams局部特征进行类内和类间加权融合得到更好的跨度表示。在中英文两个基准数据集上（CTB5和PTB）进行实验，取得了比当前先进模型更优的性能。

关键词： 成分句法分析;深度神经网络;词典构造;多通道跨度注意力;

专辑： 信息科技

专题： 计算机软件及计算机应用

分类号： TP391.1