基于双向LSTM和GBDT的中医文本关系抽取模型

• 作者: 刘蕾 杜建强 熊旺平 罗计根 聂斌 贺佳
• 来源期刊: 计算机应用研究
• 关键词: 关系抽取 长短期记忆网络 梯度提升树 注意力机制 中医文本
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3744-3747
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.07.0420

摘要

为解决采用softmax作为长短期记忆网络分类器导致实体关系识别模型泛化能力不足,不能较好适用中医实体关系抽取等问题,提出一种融合梯度提升树的双向长短期记忆网络的关系识别算法(BILSTM-GBDT).先采用word2vec对中医文本进行向量化表示,再利用基于注意力机制的双向长短期记忆网络提取高阶特征,最后采用集成分类模型梯度提升树作为特征分类器,提高关系识别效果.在中医等多个关系语料库上的实验结果表明,该模型与传统SVM方法、GBDT方法及其深度学习方法相比,均有更高的精确率、召回率和F值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜建强	江西中医药大学计算机学院	78	376	10.0	16.0
2	罗计根	江西中医药大学计算机学院	11	20	3.0	4.0
3	熊旺平	江西中医药大学计算机学院	28	51	3.0	5.0
4	聂斌	江西中医药大学计算机学院	49	122	6.0	9.0
5	刘蕾	江西中医药大学计算机学院	7	9	2.0	3.0
6	贺佳	江西中医药大学计算机学院	5	10	2.0	2.0