基于卷积神经网络和关键词策略的实体关系抽取方法

被引：14

作者：

王林玉 ^{[1
]}

王莉 ^{[1
]}

郑婷一 ^{[1
,2
]}

机构：

[1] 太原理工大学计算机科学与技术学院

[2] 山西能源学院电气与动力工程系

来源：

模式识别与人工智能 | 2017年 / 30卷 / 05期

基金：

国家高技术研究发展计划(863计划);

关键词：

卷积神经网络(CNN); 关系抽取; 关键词特征; 分段最大池化策略;

D O I：

10.16451/j.cnki.issn1003-6059.201705009

中图分类号：

TP183 [人工神经网络与计算]; TP391.1 [文字信息处理];

学科分类号：

摘要：

针对传统的实体关系抽取方法在定义特征过程中费时且容易造成错误传播,及现有深度学习方法依靠单一词向量学习特征的不足,文中提出基于卷积神经网络和关键词策略的实体关系抽取方法.在原始词向量的基础上,通过基于句子级的关键词抽取算法(TP-ISP)获得类别关键词特征.类别关键词的加入提高类别区分度,同时弥补网络自动学习特征的不足.在网络训练阶段,采用分段最大池化策略,减少传统最大池化策略的信息丢失.实验表明,文中方法有利于提升实体关系抽取结果.

引用

页码：465 / 472

页数：8