基于注意力机制和卷积神经网络的中文人物关系抽取与识别

摘要：

[目的]研究中文人物实体关系中动态语义信息的特征抽取和中文人物关系识别.[方法]采用公开的人物实体关系语料集,使用注意力机制+改进的卷积神经网络模型(CNN+Attention)从训练数据中自动提取特征,从不同模型实体关系识别效率、不同关系标签实体关系抽取效果以及不同向量训练集实体关系抽取效率等多维度进行对比和验证.[结果]在中文人物关系抽取任务上,CNN+Attention模型的预测准确率和全局性能均优于SVM、LR、LSTM、BiLSTM以及CNN模型,并比抽取效果相对较优的BiLSTM模型准确率提高0.92个百分点,召回率提高0.86个百分点,Fl值提高0.80个百分点.[局限]仅使用单一的样本数据来源,未拓展多种数据来源渠道,样本数据集范围不够广.[结论]基于注意力机制的卷积神经网络,在中文人物关系抽取任务中能够有效地提升实体关系抽取的准确率和召回率.

关键词：卷积神经网络、注意力机制、中文人物、关系抽取、关系识别

所属期刊栏目：6

分类号：N99(情报学、情报工作)

资助基金：国家社会科学基金17BTQ062

在线出版日期：2022-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：41-51