基于改进词向量GRU神经网络模型的藏语实体关系抽取

• 作者: 孙媛 王丽客 郭莉莉
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 实体关系抽取 词向量 GRU神经网络
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 民族、跨境及周边语言信息处理
• 页码范围: 35-41
• 页数: 7页
• 分类号: TP391
• 字数: 5759字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2019.06.005

摘要

互联网数据的爆炸式增长,使得研究热点更多转向Web内容结构化分析.如果将藏语知识以结构化形式表示,那么将会有利于藏语知识的结构化分析和深度挖掘.该文提出了一种优化词向量的GRU神经网络模型进行藏语实体关系抽取的方法.在模型的训练中,加入了优化的词向量,在传统的词向量模型中结合藏语音节向量、音节位置向量、词性向量等特征对词向量进一步优化,并且选取了藏语词汇特征和藏语句子特征.实验证明,通过使用改进词向量F1值达到了78.43％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙媛	中央民族大学信息工程学院	7	13	2.0	3.0
5	郭莉莉	中央民族大学信息工程学院	2	3	1.0	1.0
9	王丽客	中央民族大学信息工程学院	2	2	1.0	1.0