基于双向LSTM和自注意力机制的中文关系抽取研究

• 作者: 刘鉴 张勇 张怡
• 来源期刊: 山西大学学报（自然科学版）
• 学科: 工学
• 关键词: 信息处理 关系抽取 自注意力机制 多实例选择 双向LSTM
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 第二十五届全国信息检索学术会议(CCIR 2019)论文选登
• 页码范围: 8-13
• 页数: 6页
• 分类号: TP391
• 字数: 4652字
• 语种: 中文
• DOI: 10.13451/j.sxu.ns.2019120

摘要

在采取远程监督方法构建大规模的关系抽取语料库时,一般会不可避免地引入大量冗余和噪声,从而影响关系抽取的效果.为此,文章提出基于双向长短期记忆网络(LSTM)和结构化自注意力机制的方法来缓解训练数据的噪声问题.结合中文语言的特点,在输入层采用结合义原训练的词向量作为输入,通过双向LSTM来抽取句子的语义特征,利用结构化的自注意力机制来学习面对实体对的上下文表示,通过多实例选择的方法来选择有效的实例,从而尽量避免噪声数据的影响.实验结果表明,文章提出的模型能有效提高实体关系抽取的准确率与召回率,其F1值比加上了注意力机制的CNN与双向LSTM分别提升了4.3％和1.2％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张勇	华中师范大学计算机学院	50	488	9.0	21.0
2	张怡	华中师范大学计算机学院	10	5	1.0	2.0
3	刘鉴	华中师范大学计算机学院	1	0	0.0	0.0