基于BILSTM_CRF的知识图谱实体抽取方法

• 作者: 李兆兆 段宏宇 翟社平
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 知识图谱 实体抽取 神经网络 词向量 BILSTM_CRF模型
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 算法
• 页码范围: 269-274,280
• 页数: 7页
• 分类号: TP391
• 字数: 5295字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.05.046

摘要

针对传统知识图谱实体抽取方法需要大量人工特征和专家知识的问题,提出一种基于BILSTM_CRF模型的神经网络结构实体抽取方法.它既能使用双向长短时记忆网络BILSTM(Bidirectional Long Short-Term Memory)提取文本信息的特征,又可利用条件随机场CRF(Conditional Random Fields)衡量序列标注的联系.该方法对输入的文本进行建模,把句子中的每个词转换为词向量;利用BILSTM处理分布式向量得到句子特征;使用CRF标注并抽取实体,得到最终结果.实验结果表明,该方法的准确率和召回率更高,F1值提升约8％,具有更强的适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	翟社平	西安邮电大学计算机学院	35	109	7.0	8.0
5	李兆兆	西安邮电大学计算机学院	7	32	3.0	5.0
6	段宏宇	西安邮电大学计算机学院	6	30	3.0	5.0