共 7 条
[1]
[2]
[3]
[4]
[5]
[6]
[7]
Kernel Methods for Relation Extraction..[J].Dmitry Zelenko;Chinatsu Aone;Anthony Richardella.Journal of Machine Learning Research.2003,
基于深度学习的中文实体关系抽取方法
被引：82
作者：
孙紫阳
顾君忠
杨静
机构：
[1] 华东师范大学计算机科学技术系
来源：
基金：
上海市自然科学基金;
关键词：
关系抽取;
依存分析;
最短依存路径;
长短期记忆网络;
卷积神经网络;
D O I：
10.19678/j.issn.1000-3428.0048518
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：
120506 [数字人文];
140502 [人工智能];
摘要：
实体关系抽取技术通过文本内容确定句子中实体对之间的关系类别,但由于中文的语法结构复杂、词义理解多样等因素,其对中文实体关系的分类效果不佳。为此,提出一种基于最短依存路径表示文本的深度学习方法。利用依存分析对语句良好的表示性,配合词性特征,利用长短期记忆(LSTM)网络单元双向结构学习最短依存路径的表示信息,并对LSTM的输出使用卷积神经网络(CNN)训练分类模型。实验结果表明,该方法能够准确地抽取实体关系,其F1值较CNN和Bi-LSTM方法有所提高。
引用
收藏
页码：164 / 170
页数：7
相关论文