基于深度学习的中文实体关系抽取方法

• 作者: 孙紫阳 杨静 顾君忠
• 来源期刊: 计算机工程
• 学科: 工学
• 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
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 164-170
• 页数: 7页
• 分类号: TP18
• 字数: 7226字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0048518

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾君忠	华东师范大学计算机科学技术系	158	1926	22.0	37.0
2	杨静	华东师范大学计算机科学技术系	46	388	9.0	17.0
3	孙紫阳	华东师范大学计算机科学技术系	1	19	1.0	1.0