基于位置编码与实体交互信息的关系抽取方法
关系抽取作为信息抽取领域的重要研究课题,其主要目的是抽取句子中已标记实体对之间的语义关系,对句子语义理解及知识库构建有着重要作用.针对现有抽取方法中未能充分利用单词位置信息和实体间的交互信息导致重要特征丢失的问题,本工作提出一种基于位置编码与实体交互信息的关系抽取方法(BPI-BERT).首先将新型位置编码融入BERT预训练语言模型生成的词向量中后使用平均池化技术得到实体和句子向量,再利用哈达玛乘积构造实体交互信息,最后将实体向量、句子向量及交互信息向量拼接得到关系向量并输入到Softmax分类器进行关系分类.实验结果表明BPI-BERT在精准率和F1上较现有方法有提高,证明了BPI-BERT的有效性.
位置编码、实体交互、预训练语言模型、关系抽取、监督学习、深度学习、特征融合
31
TP391;O174.51;TN912.34
十四五装备预研项目JCKY2020605C003
2022-06-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
238-244