基于BERT語義增強(qiáng)的因果關(guān)系抽取模型

摘要： 在金融領(lǐng)域，由于專業(yè)術(shù)語的復(fù)雜性，以及句子之間的依賴性，導(dǎo)致因果關(guān)系抽取的準(zhǔn)確率較低。針對這一問題，提出一種基于BERT語義增強(qiáng)的因果抽取模型，建立基本模型和增強(qiáng)模型，以獲取豐富的文本特征實現(xiàn)語義深度提取。使用BERT預(yù)訓(xùn)練模型得到上下文特征，通過對抗神經(jīng)網(wǎng)絡(luò)的對抗學(xué)習(xí)進(jìn)一步學(xué)習(xí)高區(qū)分度特征，以此提高因果關(guān)系抽取的準(zhǔn)確性。實驗結(jié)果表明，該模型能夠提高因果關(guān)系抽取的準(zhǔn)確性。 （共6頁）