基于注意力机制的问句实体链接

被引：3

作者：

任朝淦 ^{[1
,2
]}

杨燕 ^{[1
,2
]}

贾真 ^{[1
,2
]}

唐慧佳 ^{[1
]}

喻琇瑛 ^{[1
]}

机构：

[1] 西南交通大学信息科学与技术学院

[2] 西南交通大学四川省云计算与智能技术高校重点实验室

来源：

模式识别与人工智能 | 2018年 / 31卷 / 12期

关键词：

问句实体链接; 注意力机制; 编码器-解码器; 长短期记忆网络; 生成模型;

D O I：

10.16451/j.cnki.issn1003-6059.201812008

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

摘要：

问句实体链接不仅需要大量的数据处理和特征选择工作,而且容易形成错误累积,降低链接效果.针对这种情况,文中提出基于注意力机制的编码器-解码器问句实体链接模型.模型使用双向的长短期记忆网络编码问句,经过注意力机制解码,生成对应的实体指称和消歧信息输出,最后链接到知识库实体.在有关汽车领域车系产品问句和实体数据集上的实验表明,文中模型仅利用较少的上下文信息便可取得良好效果.

引用

页码：1127 / 1133

页数：7

共 7 条

[1] 基于词向量的实体链接方法
齐爱芹
徐蔚然
[J]. 数据采集与处理, 2017, 32 (03) : 604 - 611
[2] 基于词向量的中文微博实体链接方法
毛二松
王波
唐永旺
梁丹
[J]. 计算机应用与软件, 2017, 34 (04) : 11 - 15+41
[3] 基于词向量语义分类的微博实体链接方法
冯冲
石戈
郭宇航
龚静
黄河燕
[J]. 自动化学报, 2016, 42 (06) : 915 - 922
[4] 一种基于概率主题模型的命名实体链接方法
怀宝兴
宝腾飞
祝恒书
刘淇
[J]. 软件学报, 2014, 25 (09) : 2076 - 2087
[5] An Algorithm that Learns What's in a Name.[J] . Daniel M. Bikel,Richard Schwartz,Ralph M. Weischedel. Machine Learning . 1999 (1-3)
[6] Neural Architectures for Named Entity Recognition[C/OL] .2 LAMPLE G,BALLESTEROS M,SUBRAMANIAN S,et al. https://arxiv. org/pdf/ 1603.01360.pdf . 2018
[7] Variational Reasoning for Question Answering with Knowledge Graph[C/OL] .2 ZHANG Y Y,DAI H J,KOZAREVA Z,et al. https://arxiv. org/pdf/ 1709.04071.pdf . 2018

← 1 →