基于深度学习的神经影像事件属性联合抽取方法

本发明公开了一种基于深度学习的神经影像事件属性联合抽取方法。本发明通过融合先进的对抗学习技术与深度学习算法，提出了一种轻量级的神经影像事件抽取联合模型，该模型由双向长短时记忆网络(BiLSTM)、条件随机场(CRF)、Sigmoid激活函数以及自由对抗训练(FreeAT)策略组成。鉴于神经影像事件论元的复杂性较高，而事件结构相对简洁的特点，本模型采用了BiLSTM+CRF+Sigmoid的架构，实现了“重点识别论元、简化角色抽取”的设计理念。该架构通过精简模型参数使得模型在小规模训练集上迅速达到收敛。本发明引入了基于FreeAT的对抗训练机制，缓解了过拟合问题。本发明提升了准确性，增强了模型在资源受限条件下的泛化能力。