论文部分内容阅读
事件时序关系分类是自然语言理解任务的重要内容,也是十分具有挑战性的一项任务。已有的深度学习方法绝大部分都聚焦在英文上,且局限于只提取同句和邻句的事件时序关系,而忽略了跨句的时序关系。面对这样的挑战,文章针对中文提出了一种基于BERT(Bidirectional Encoder Representation from Transformers)和BiLSTM(Bi-directional Long Short-Term Memory)融合了多维度事件信息的事件时序关系识别模型TRIMI(Chinese Ev