基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在知识图谱的构建过程中,传统方法先进行命名实体识别,再进行关系抽取,导致任务间关联信息的丢失,而且忽略了实体间的重叠关系.为此,基于能识别重叠关系的Bi-LSTM+CRF模型,通过参数共享实现两个任务联合学习,充分利用任务间联系来优化结果.公开数据集上的实验结果表明:所提出模型在实体识别上取得了78.4%的f1值,在非重叠关系和重叠关系的抽取上取得了50.5%和45.0%的f1值.为验证该方法可后续用于金融知识图谱构建,提取了小型金融数据集来验证其在金融数据上的泛化能力.
推荐文章
面向企业知识图谱构建的中文实体关系抽取
企业知识图谱
实体关系抽取
最大熵模型
甲骨文知识图谱构建中的实体关系发现研究
甲骨文
知识图谱
本体
语义相似度
甲骨文知网
知识图谱的发展与构建
知识图谱
构建方法
实体
知识挖掘
扩展应用
知识图谱系统研发
知识图谱
网络爬虫
知识抽取
SPO三元组
NEO4J图数据库
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 面向金融知识图谱的实体和关系联合抽取算法
来源期刊 重庆理工大学学报(自然科学版) 学科 工学
关键词 命名实体识别 关系抽取 联合抽取 知识图谱
年,卷(期) 2020,(5) 所属期刊栏目 "第二十五届全国信息检索学术会议"(CCIR2019)专栏
研究方向 页码范围 139-149
页数 11页 分类号 TP391.1
字数 8762字 语种 中文
DOI 10.3969/j.issn.1674-8425(z).2020.05.018
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 闫宏飞 北京大学信息科学技术学院 32 414 11.0 20.0
5 陈翀 北京师范大学政府管理学院 19 59 6.0 7.0
6 胡扬 北京大学信息科学技术学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
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(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 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
命名实体识别
关系抽取
联合抽取
知识图谱
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
重庆理工大学学报(自然科学版)
月刊
1674-8425
50-1205/T
重庆市九龙坡区杨家坪
chi
出版文献量(篇)
7998
总下载数(次)
17
总被引数(次)
41083
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导