基于最短依存路径与神经网络的关系抽取

摘要：

对命名实体之间的语义关系抽取进行研究.分别使用Word2vec和GloVe对句子最短依存路径进行词向量表示,作为卷积神经网络和双向长短期记忆网络的输入,通过网络自动学习特征,通过拼接的方式将两种特征融合,通过softmax分类器得出所属关系的类型.采用SemEval2010 Task 8数据集,实验结果表明,使用多种词向量表示最短依存路径和通过拼接的方式融合卷积神经网络与长短期记忆网络的特征能显著提高关系抽取的效果.

关键词：关系抽取、最短依存路径、双通道、卷积神经网络、双向长短期记忆网络

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：山西省自然科学基金项目2013011015-2;武汉大学软件工程国家重点实验室开放课题基金项目SKLSE2012-09-30

在线出版日期：2019-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2672-2676,2696