深度学习实体关系抽取研究综述

被引：171

作者：

鄂海红 ^{[1
,2
]}

张文静 ^{[1
,2
]}

肖思琪 ^{[1
,2
]}

程瑞 ^{[1
,2
]}

胡莺夕 ^{[1
,2
]}

周筱松 ^{[1
,2
]}

牛佩晴 ^{[1
,2
]}

机构：

[1] 北京邮电大学计算机学院数据科学与服务中心

[2] 不详

来源：

软件学报 | 2019年 / 30卷 / 06期

基金：

国家重点研发计划;

关键词：

实体关系抽取; 深度学习; 联合学习; 远程监督; 生成对抗网络;

D O I：

10.13328/j.cnki.jos.005817

中图分类号：

TP391.1 [文字信息处理]; TP181 [自动推理、机器学习];

学科分类号：

摘要：

实体关系抽取作为信息抽取、自然语言理解、信息检索等领域的核心任务和重要环节,能够从文本中抽取实体对间的语义关系.近年来,深度学习在联合学习、远程监督等方面上的应用,使关系抽取任务取得了较为丰富的研究成果.目前,基于深度学习的实体关系抽取技术,在特征提取的深度和模型的精确度上已经逐渐超过了传统基于特征和核函数的方法.围绕有监督和远程监督两个领域,系统总结了近几年来中外学者基于深度学习的实体关系抽取研究进展,并对未来可能的研究方向进行了探讨和展望.

引用

页码：1793 / 1818

页数：26

共 21 条

[1] 特征驱动的关键词提取算法综述
常耀成
张宇翔
王红
万怀宇
肖春景
[J]. 软件学报, 2018, 29 (07) : 2046 - 2070
[2] 卷积神经网络研究综述
周飞燕
金林鹏
董军
[J]. 计算机学报, 2017, 40 (06) : 1229 - 1251
[3] 深度强化学习综述
刘全
翟建伟
章宗长
钟珊
周倩
章鹏
徐进
[J]. 计算机学报, 2018, 41 (01) : 1 - 27
[4] 结合从句级远程监督与半监督集成学习的关系抽取方法
余小康
陈岭
郭敬
蔡雅雅
吴勇
王敬昌
[J]. 模式识别与人工智能, 2017, 30 (01) : 54 - 63
[5] 基于依存分析的开放式中文实体关系抽取方法
李明耀
杨静
[J]. 计算机工程, 2016, 42 (06) : 201 - 207
[6] 知识图谱构建技术综述
刘峤
李杨
段宏
刘瑶
秦志光
[J]. 计算机研究与发展, 2016, (03) : 582 - 600
[7] 基于句法语义特征的中文实体关系抽取
甘丽新
万常选
刘德喜
钟青
江腾蛟
[J]. 计算机研究与发展, 2016, 53 (02) : 284 - 302
[8] 神经网络七十年:回顾与展望
焦李成
杨淑媛
刘芳
王士刚
冯志玺
[J]. 计算机学报, 2016, 39 (08) : 1697 - 1716
[9] 无指导的中文开放式实体关系抽取
秦兵
刘安安
刘挺
[J]. 计算机研究与发展, 2015, (05) : 1029 - 1035
[10] 基于句法语义特征的中文实体关系抽取
郭喜跃
何婷婷
胡小华
陈前军
[J]. 中文信息学报, 2014, (06) : 183 - 189

← 1 2 3 →