基于BERT-wwm-ext多特征文本表示的经济事件主体抽取方法研究

作者：陈平,匡尧,陈婧

摘要：面向电力行业的经济责任事件主体抽取就是对该领域所涉及的事件的主体进行识别。传统字的向量化缺乏对字语义特征的深层次理解导致主体抽取性能降低,而语言表征的预训练结果会直接影响事件主体抽取的效果。本文提出一种基于中文BERT-wwm-ext嵌入的BIGRU网络进行事件主体抽取。首先,利用中文BERT-wwm-ext将得到的字向量、句子向量和位置向量作为该字最终的向量表示,使字的向量化更加具体。同时采用全词覆盖技术,加强了模型对深层次语言表征的学习能力。然后,将得到的字向量输入到BIGRU网络中,进一步学习上下文语义特征。最后,利用解码函数获得最终的事件主体。本文方法准确度(Accuracy)取得88.29%,结果优于对照组,说明本文提出的模型能有效地提高中文事件主体抽取的准确率。

发文机构：武汉电力职业技术学院建设及管理系 国网湖北省电力有限公司审计部内控与信息处 武汉电力职业技术学院

关键词：BERTBiGRU事件主体抽取信息抽取BERTBiGRUSubject extractionInformation extraction

分类号： TP391.1[自动化与计算机技术—计算机应用技术]