结合注意力机制与残差网络的远程监督关系抽取

• 作者: 王峥 谌予恒
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 深度学习 关系抽取 远程监督 残差网络 注意力机制 ARCNN模型
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 909-913
• 页数: 5页
• 分类号: TN711
• 字数: 3303字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.04.032

摘要

关系抽取是信息提取领域的重要任务之一.虽然有监督的学习方法在关系抽取任务中取得了相当好的效果,但监督样本的缺乏限制了有监督学习方法的应用,于是有人提出将远程监督思想用于关系抽取任务中.现今,远程监督的关系抽取被广泛应用于从文本中发现新的关系实体.然而远程监督不可避免地伴随着噪音数据,显然这些噪音数据将会影响关系抽取任务的效果.为了尽可能地解决这个问题,论文结合Special Self Attention和Deep Residual Learning(ResNet)设计了一种新的深度学习模型(ARCNN),期望可以动态地减少噪音数据的影响,更好地提取文本的深层信息.实验结果显示论文的模型可以有效地减轻远程监督数据的噪音影响,并更好地抽取出实体对的关系.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谌予恒		1	0	0.0	0.0
5	王峥	烽火通信科技股份有限公司南京研发部	3	15	2.0	3.0