基于短语级注意力机制的关系抽取方法

• 作者: 刘镇江 周林 尹鹏 郭强
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 关系抽取 远程监督 分段卷积神经网络 注意力机制 TransE方法 标签平滑正则化
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 24-30
• 页数: 7页
• 分类号: TP391
• 字数: 6145字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.09.005

摘要

关系抽取是自然语言处理的重要研究内容,是知识图谱构建的关键技术.目前,在神经网络中引入注意力机制进行关系抽取成为主流方法,现有方法一般结合句子单词和实体相关性计算注意力,没有考虑短语和实体关系之间的相关性,并且对实体信息利用不够充分.针对该问题,提出基于短语级注意力机制的关系抽取方法.首先用卷积层对词向量做卷积,以滑动窗口的方式得到短语级的向量表示,然后利用短语与实体关系之间的相关性计算注意力.为了使实体信息利用更充分,用卷积层和池化层分别提取实体短语的深度特征表示,并引入TransE的思想表示两个实体关系的特征.最后,采用分段池化方法得到深度特征.为了减少远程监督中错误标签的干扰,使用标签平滑正则化(LSR)把原来的"硬"标签改为"软"标签.实验结果表明,该方法能够有效利用短语信息和实体关系信息,对实体关系抽取效果有较大的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭强		7	7	2.0	2.0
2	刘镇江		6	2	1.0	1.0
3	周林		3	14	2.0	3.0
4	尹鹏		1	2	1.0	1.0