基于改进注意力机制的实体关系抽取方法

被引：21

作者：

冯建周 ^{[1
]}

宋沙沙 ^{[1
]}

王元卓 ^{[1
,2
]}

刘亚坤 ^{[1
]}

武红颖 ^{[1
]}

龚昊 ^{[1
]}

机构：

[1] 燕山大学信息科学与工程学院

[2] 中国科学院计算技术研究所

来源：

电子学报 | 2019年 / 47卷 / 08期

关键词：

关系抽取; 改进注意力机制; 卷积神经网络; 远程监督; 组合句子特征向量;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

摘要：

实体关系抽取是知识库构建中至关重要的一个环节.在众多的实体关系抽取方法中,远程监督结合神经网络模型的方法在准确率等性能上是比较令人满意的,但远程监督获取的标注语料中往往存在大量的噪声数据,给实体关系抽取模型的训练带来了很大的影响.本文提出一种基于改进注意力机制的卷积神经网络实体关系抽取模型.该模型针对包含同一实体对的句子集合,从中尽可能地找出所有体现该实体对关系的正实例,构建组合句子向量,抛弃可能的噪声句子,从而最大程度地降低噪声句子的影响又能充分利用正实例的语义信息.实验证明,本文提出的关系抽取模型在准确率上优于对比的关系抽取模型.

引用

页码：1692 / 1700

页数：9