原文服务方: 广东通信技术       
摘要:
在基于机器学习的关系抽取方法中,句法依存树通常被当文本的一个输入特征进行训练,获得相应的权值,对关系的预测起作用.这种方法可以在语义特征中加入句法特征,但是两类特征没有进行有效融合,句法依存特征的作用不明显.通过句法依存树分析,构建依存树的图表示,用图表示矩阵计算注意力因子,利用双向长短记忆网络训练文本的语义特征,最后加入语义特征与注意力权重,实现实体关系抽取.通过在SemEval task8语料库上进行实验分析,文本的算法可以有效提升实体关系抽取效果.
推荐文章
基于注意力机制的LSTM的语义关系抽取
文本信息
语义关系
关系抽取
LSTM
注意力机制
基于依存句法分析与分类器融合的触发词抽取方法
事件抽取
触发词
依存句法分析
触发词-实体描述对
支持向量机
分类器融合
基于GRU和注意力机制的远程监督关系抽取
深度学习
远程监督
门控循环单元
注意力机制
基于动态掩蔽注意力机制的事件抽取
事件抽取
注意力机制
多事件抽取
动态掩蔽注意力
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 融合句法依存树注意力的关系抽取研究
来源期刊 广东通信技术 学科
关键词 关系抽取 句法依存 注意力 融合
年,卷(期) 2020,(10) 所属期刊栏目 新技术·新业务
研究方向 页码范围 43-47,71
页数 6页 分类号
字数 语种 中文
DOI 10.3969/j.issn.1006-6403.2020.10.012
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨志清 19 17 3.0 3.0
2 张翠 17 11 2.0 2.0
3 周茂杰 8 6 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (64)
共引文献  (72)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(8)
  • 参考文献(1)
  • 二级参考文献(7)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(7)
  • 参考文献(0)
  • 二级参考文献(7)
2014(9)
  • 参考文献(1)
  • 二级参考文献(8)
2015(4)
  • 参考文献(0)
  • 二级参考文献(4)
2016(7)
  • 参考文献(3)
  • 二级参考文献(4)
2018(1)
  • 参考文献(0)
  • 二级参考文献(1)
2019(2)
  • 参考文献(1)
  • 二级参考文献(1)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
关系抽取
句法依存
注意力
融合
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
广东通信技术
月刊
1006-6403
44-1221/TN
大16开
1981-01-01
chi
出版文献量(篇)
4474
总下载数(次)
0
总被引数(次)
11090
论文1v1指导