基于深度学习的中文短语复述抽取技术研究
【摘要】 复述抽取是自然语言处理任务中的一个重要分支，高质量的复述资源对于提升信息检索、问答系统、机器翻译等任务的效果有很大帮助。该文将任务限定在中文短语复述抽取，提出了基于2BiLSTM+CNN+CRF的序列标注模型，用于单语中文语料短语划分，通过若干过滤规则获取优质中文短语。之后又提出了基于表示学习的候选复述获取方法，通过BattRAE模型获取中文短语向量表示，并使用余弦相似度计算短语间的语义距离。该文根据语义距离对短语对进行过滤，将语义距离相近的短语视作候选的复述短语，再通过规则过滤掉错误的候选复述。在最后的结果中，随机抽取出500条短语复述资源进行人工评价，达到了0.814的精确度以及0.826的MRR值。
