基于CNN和双向LSTM融合的实体关系抽取

• 作者: 张晓斌 陈福才 黄瑞阳
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: 实体关系抽取 卷积神经网络 长短期记忆网络 注意力机制
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 论文
• 页码范围: 44-51
• 页数: 8页
• 分类号: TP393
• 字数: 5431字
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2018074

摘要

实体关系抽取旨在识别网络文本中的实体,并提取出文本中实体之间隐含的关系.研究表明,深度神经网络在实体关系抽取任务上具有可行性,并优于传统关系抽取方法.目前的关系抽取方法大都使用卷积神经网络(CNN)和长短期记忆神经网络(LSTM),然而CNN只考虑连续词之间的相关性而忽略了非连续词之间的相关性.另外,LSTM虽然考虑了长距离词的相关性,但提取特征不够充分.针对这些问题,提出了一种CNN和LSTM结合的实体关系抽取方法,采用3种结合方法进行了实验,验证了该方法的有效性,在F1值上有一定的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈福才		31	193	7.0	12.0
2	黄瑞阳		50	146	7.0	8.0
3	张晓斌		1	4	1.0	1.0