基于深度学习的煤矿领域实体关系抽取研究

• 作者: 刘思含 刘旭红 徐啸迪 李文浩 杜嘉
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 关系抽取 知识图谱 循环神经网络 字向量
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 系统开发与应用
• 页码范围: 114-118
• 页数: 5页
• 分类号: TP391.1
• 字数: 3743字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2019.01.026

摘要

关系抽取是构建知识图谱的一个重要过程.为了更好地构建煤矿领域知识图谱,本文对关系抽取的方法进行研究.传统关系抽取方法在训练前多需要人工选取特征、大量标注数据、且需要专业领域的专家辅助、费时费力、且成本较高.本文采用字向量和深度学习相结合的方法对实体间的关系进行抽取,降低数据标注的难度,提高训练效率.实验结果证明使用字向量与深度学习相结合的方法能够较有效地完成煤矿领域实体关系抽取的任务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘旭红	北京信息科技大学计算机学院	26	136	5.0	11.0
2	刘思含	北京信息科技大学计算机学院	5	11	2.0	3.0
3	杜嘉	北京信息科技大学计算机学院	1	8	1.0	1.0
4	李文浩	北京信息科技大学计算机学院	1	8	1.0	1.0
5	徐啸迪	北京信息科技大学计算机学院	1	8	1.0	1.0