作者：王明轩; 刘群语义角色标注深度学习
摘要：该文提出了一个基于多层长短期记忆神经网络的语义角色标注方法,并装置了新颖的＂直梯单元＂（elevator unit,EU）。EU包含了对单元内部输入和输出的线性连接,使信息可以通畅地在不同层之间传播。通过EU,一个20层的LSTM网络可以得到比较充分的优化。重要的是,这个线性连接包含的＂门＂函数可以正则和控制信息在时间方向和空间方向上的传播。不同层次的抽象信息也可以被EU直接带到输出层进行语义角色标注。尽管这个模型非常简单,不需要任何额外的特征输入,但是它取得了理想的实验结果,在CoNLL-2005公开数据集上取得了F=81.56%的结果,在CoNLL-2012公开数据集上取得了F=82.53%的结果,比之前最好的结果分别提高了0.5%和1.26%。另外,在领域外的数据集上我们也取得了F值2.2%的显著提升,这是当前世界上最好的性能。该模型比较简洁,非常容易实现和并行,在单一的K40GPU上取得了每秒11.8K单词的解析速度,远远高于之前的方法。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
