基于深度学习的中文实体关系抽取方法-计算机工程.PDF

第 卷 第 期 计 算 机 工 程 年 月 人工智能及识别技术 文章编号 文献标志码 中图分类号 基于深度学习的中文实体关系抽取方法 孙紫阳顾君忠杨静 华东师范大学 计算机科学技术系上海 摘 要 实体关系抽取技术通过文本内容确定句子中实体对之间的关系类别但由于中文的语法结构复杂词义理 解多样等因素其对中文实体关系的分类效果不佳 为此提出一种基于最短依存路径表示文本的深度学习方法 利用依存分析对语句良好的表示性配合词性特征利用长短期记忆 网络单元双向结构学习最短依存路径 的表示信息并对 的输出使用卷积神经网络训练分类模型 实验结果表明该方法能够准确地抽取 实体关系其 值较 和 方法有所提高 关键词 关系抽取依存分析最短依存路径长短期记忆网络卷积神经网络 中文引用格式孙紫阳顾君忠杨静基于深度学习的中文实体关系抽取方法计算机工程 英文引用格式 系抽取技术从无结构的海量网络文本中提取出格 概述 式统一的文本数据借助计算机快速处理文本的能 随着互联网的普及与发展网络上时刻产生着 力和效率通过抽取实体之间的语义关系构建出众 大量的信息如何在信息量爆炸的互联网中准确高 多实体之间的关联信息 进一步探索自然语言文本 效地获得用户所需要的信息成为目前的研究热点 中的语义关系信息能够更好地了解用户的查询需 因此信息抽取技术得到广泛关注 信息抽取主要 求也可以挖掘出实体之间深层的关系结构具有深 任务有实体抽取关系抽取事件抽取 关系抽取解 刻的理论意义和巨大的研究价值 决了原始文本中目标实体之间的关系分类问题是 早期的关系识别方法依赖于机器学习算法需 构建复杂知识库系统的重要处理步骤如机器翻译 要手动创建特征工程 近年来在没有依赖手工特 文本摘要信息抽取知识图谱补全 自动问答系统 征的情况下神经网络方法在各类关系抽取任务中 都取