10.19678/j.issn.1000-3428.0048518
基于深度学习的中文实体关系抽取方法
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(LSTM)网络单元双向结构学习最短依存路径的表示信息,并对LSTM的输出使用卷积神经网络(CNN)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F1值较CNN和Bi-LSTM方法有所提高.
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
44
TP18(自动化基础理论)
国家科技支撑计划项目2015BAH01F02;上海市自然科学基金17ZR1444900
2018-12-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
164-170