基于注意力机制的LSTM的语义关系抽取

• 作者: 史金钏 张志伟 王红
• 来源期刊: 计算机应用研究
• 关键词: 文本信息 语义关系 关系抽取 LSTM 注意力机制
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 软件技术研究
• 页码范围: 1417-1420,1440
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.05.029

摘要

目前关系抽取方法中,传统深度学习方法存在长距离依赖问题,并且未考虑模型输入与输出的相关性.针对以上问题,提出了一种将LSTM(long short-term memory)模型与注意力机制相结合的关系抽取方法.将文本信息向量化,提取文本局部特征,再将文本局部特征导入双向LSTM模型中,通过注意力机制对LSTM模型的输入与输出之间的相关性进行重要度计算,根据重要度获取文本整体特征;最后将局部特征和整体特征进行特征融合,通过分类器输出分类结果.在SemEval-2010 task 8语料库上的实验结果表明,该方法的准确率和稳定性较传统深度学习方法有进一步提高,为自动问答、信息检索以及本体学习等领域提供了方法支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王红	中国民航大学计算机科学与技术学院	45	320	11.0	16.0
2	史金钏	中国民航大学计算机科学与技术学院	3	84	3.0	3.0
3	张志伟	中国民航大学计算机科学与技术学院	2	77	2.0	2.0