基于融合式神经网络的微生物生长环境关系抽取

• 作者: 李孟颖 杨志豪 林鸿飞 王健 王琰
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 卷积神经网络 长短时记忆神经网络 关系抽取
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 研究与应用
• 页码范围: 177-183
• 页数: 7页
• 分类号: TP391
• 字数: 5958字
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.201902010

摘要

为了构建完整的微生物生长环境关系数据库,提出基于卷积神经网络-长短时记忆(CNN-LSTM)的关系抽取系统.结合卷积神经网络(CNN)和长短时记忆(LSTM),实现对隐含特征的深度学习,提取分布式词向量特征和实体位置特征作为模型的特征输入.对比实验验证加入特征后CNN-LSTM模型的优势,并将CNN模型的特征输出作为LSTM模型的特征输入.在Bio-NLP 2016共享任务发布的BB-event语料集上得到目前最好的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林鸿飞	大连理工大学计算机科学与技术学院	214	3759	31.0	55.0
2	杨志豪	大连理工大学计算机科学与技术学院	57	863	13.0	28.0
3	王健	大连理工大学计算机科学与技术学院	86	451	11.0	15.0
4	王琰	大连理工大学计算机科学与技术学院	8	23	3.0	4.0
5	李孟颖	大连理工大学计算机科学与技术学院	1	0	0.0	0.0