融合自注意力的关系抽取级联标记框架研究

摘要：

命名实体识别和关系抽取是自然语言处理和知识图谱构建中两个十分重要的子任务.针对关系抽取过程中容易出现的错误传递和实体共享的缺陷,提出了一种融合自注意力机制的实体关系抽取级联标记框架Att-CasRel,不仅解决了级联错误,还能够解决同一个句子中多个关系三元组共享相同实体的问题.在Bert模型的基础上,使用CMeIE数据集的文本进行再训练得到适用于中文医疗领域的CB-Bert,并在尾实体识别阶段融入自注意力机制来增强头实体编码向量的特征表达,提高了模型的特征提取能力.在CMeIE数据集上的实验结果表明,该标记框架相较于独立抽取的模型以及其他联合抽取模型取得了更好的效果.

关键词：自然语言处理、关系抽取、自注意力机制、知识图谱、Bert

所属期刊栏目：59

分类号：TP391.1(计算技术、计算机技术)

资助基金：上海委员会专项经费基金Zx2020-36

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：77-83