门控机制融合多种特征的中文事件共指消解

事件共指消解是很多自然语言处理任务的基础，旨在识别文本中指代相同真实事件的事件提及。由于中文语法相比英文更复杂，捕获英文文本特征的方法在中文事件共指消解中效果并不明显。为解决文档内中文事件共指，提出了一种门控机制神经网络(Gated Mechanism Neural Network, GMNN)。针对中文具有主语省略、结构松散等特点，引入事件基本属性作为符号特征。在此基础上，提出了一种新的门控去噪机制，对符号特征向量进行微调，过滤符号特征中的噪声，提取在特定上下文语境中的有用信息，进而提高共指事件的识别率。在ACE2005中文数据集上进行了实验，结果表明，GMNN的AVG分数提升了2.66,有效地提高了中文事件共指消解的效果。