摘要:
事件检测属于自然语言处理的核心任务及难点之一，使用长短时记忆网络(LSTM)和卷积神经网络(CNN)进行的相关研究越来越广泛，但面对篇章级别的事件文本时，参数量庞大的LSTM与语义缺失明显的CNN导致模型检测准确性和收敛性均欠佳。该文结合迭代空洞卷积神经网络和高速神经网络，提出基于混合特征的高速迭代空洞卷积神经网络，力图优化深层模型训练中常见的梯度消失与爆炸现象，提取性能更优的篇章级文本特征。实验结果表明，该方法与当下主流的LSTM和CNN模型相比，矿山灾害事件检测效果更为理想，收敛性及训练效率也表现更优。
