關鍵詞：事件抽取 事件同指消解 注意力池化 門控卷積 

摘要：事件同指消解在自然語言理解中是一項復雜的任務,它需要在理解文本信息的基礎上,發現其中的同指事件。事件同指消解在信息抽取、問答系統、閱讀理解等自然語言任務中均有重要作用。該文提出了一個事件同指消解框架,包括事件抽取(ENS_NN)、真實性識別(ENS_NN)和事件同指消解(AGCNN)三個部分。事件同指消解模型(AGCNN)利用注意力池化機制來捕獲事件的全局特征,利用門控卷積抽取復雜語義特征,提高了事件同指消解的性能。在KBP 2015和KBP 2016數據集上的實驗結果表明,該文提出的方法優于目前最優的系統。

中文信息學報雜志要求:

{1}本刊對刊發的文章擁有版權，不得擅自轉載、改編。凡轉載、改編務經我刊同意，違者必究。

{2}作者簡介包括：姓名、性別、出生年月、畢業學校及所學專業、工作單位、職務職稱、現從事的研究工作情況。

{3}來稿若屬國家自然科學基金項目或省部基金項目，請在文稿中標明其基金來源和編號，我刊可以優先審核發表。

{4}正文內連續敘述中的序號采用①……；②……；③……。分級超過3級后用網括號如：“①”，“②”表示，并采用連排。

{5}附注請一律使用當頁腳注的形式，以帶圈①……⑩的方式編號，使用每頁重新編號的方式。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社