结合实体描述信息的跨句包关系抽取方法

被引：4

作者：

孙新 ^{[1
]}

申长虹 ^{[1
]}

姜景虎 ^{[1
]}

崔家铭 ^{[2
]}

机构：

[1] 北京理工大学计算机学院

[2] 复旦大学信息科学与工程学院

来源：

计算机工程 | 2021年 / 47卷 / 06期

基金：

国家重点研发计划;

关键词：

关系抽取; 实体描述; 跨关系注意力; 跨句包注意力; 远程监督;

D O I：

10.19678/j.issn.1000-3428.0058189

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

摘要：

远程监督关系抽取方法能够大幅减少标注成本,但现有方法忽略了关系间的关联信息和实体背景知识。结合实体描述信息提出一种新的跨句包关系抽取方法。引入分段卷积神经网络进行句编码,解决特征提取的误差传播问题。同时设计跨关系跨句包注意力机制获取关系特征,更好地从远程监督的噪声数据中鉴别有效实例,从而充分利用关系之间丰富的相关信息并降低噪音句子的影响。在此基础上,利用卷积神经网络提取实体描述信息,补充关系抽取任务所需的背景知识,为跨关系跨句包注意力模块提供更好的实体表示。在NYT公共数据集上的实验结果表明,该方法在句子层面抽取任务上的F1值较结合句注意力与实体描述信息的分段卷积方法提高了4%左右,能够有效改善远程监督关系抽取效果。

引用

页码：68 / 75

页数：8