期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于自注意力与分段卷积神经网络的实体关系抽取
被引量：
4
1
作者
李子茂
张玥
+2 位作者
尹帆
郑禄
白鑫
《中南民族大学学报（自然科学版）》
CAS
北大核心
2022年第3期326-332,共7页
远程监督通过已有知识库的关系三元组和自然语言文本语料库进行启发式匹配,获得数据来完成关系抽取任务,解决有监督学习方法完全依赖人工标注数据的问题,但远程监督数据中会存在大量噪声关系标签.针对以上问题,提出了一种结合自注意力...
远程监督通过已有知识库的关系三元组和自然语言文本语料库进行启发式匹配,获得数据来完成关系抽取任务,解决有监督学习方法完全依赖人工标注数据的问题,但远程监督数据中会存在大量噪声关系标签.针对以上问题,提出了一种结合自注意力机制和分段卷积神经网络的实体关系抽取模型SAPCNN,首先通过自注意力机制捕获词与词之间的全局相关性,解决在对语料句子进行卷积操作时仅关注当前窗口内容的问题;然后将包含相同实体对的语句划分为一个包,利用多实例学习和包内注意力机制计算包中每个句子的注意力权重,从而找到更能表达实体对之间语义关系的句子语料.实验结果显示:SAPCNN能提高实体关系抽取的精确率,结果优于主流算法.
展开更多
关键词
实体关系抽取
远程监督
自注意力机制
分段卷积神经网络
包内注意力机制
下载PDF
职称材料
题名
基于自注意力与分段卷积神经网络的实体关系抽取
被引量：
4
1
作者
李子茂
张玥
尹帆
郑禄
白鑫
机构
中南民族大学计算机科学学院&湖北省制造企业智能管理工程技术研究中心
出处
《中南民族大学学报（自然科学版）》
CAS
北大核心
2022年第3期326-332,共7页
基金
湖北省技术创新重大专项资助项目(2019ABA101)
湖北省科技重大专项资助项目(2020AEA011)
武汉市科技计划应用基础前沿资助项目(2020020601012267)。
文摘
远程监督通过已有知识库的关系三元组和自然语言文本语料库进行启发式匹配,获得数据来完成关系抽取任务,解决有监督学习方法完全依赖人工标注数据的问题,但远程监督数据中会存在大量噪声关系标签.针对以上问题,提出了一种结合自注意力机制和分段卷积神经网络的实体关系抽取模型SAPCNN,首先通过自注意力机制捕获词与词之间的全局相关性,解决在对语料句子进行卷积操作时仅关注当前窗口内容的问题;然后将包含相同实体对的语句划分为一个包,利用多实例学习和包内注意力机制计算包中每个句子的注意力权重,从而找到更能表达实体对之间语义关系的句子语料.实验结果显示:SAPCNN能提高实体关系抽取的精确率,结果优于主流算法.
关键词
实体关系抽取
远程监督
自注意力机制
分段卷积神经网络
包内注意力机制
Keywords
entity
relation
extraction
distant
supervision
self-
attention
mechanism
piecewise
convolutional
neural
network
intra
-
bag
attention
mechanism
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于自注意力与分段卷积神经网络的实体关系抽取
李子茂
张玥
尹帆
郑禄
白鑫
《中南民族大学学报（自然科学版）》
CAS
北大核心
2022
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
