| 面向中文关系抽取的句子结构获取方法 |
| |
| 引用本文： | 杨卫哲,秦永彬,黄瑞章,王凯,程华龄,唐瑞雪,程欣宇,陈艳平.面向中文关系抽取的句子结构获取方法[J].数据采集与处理,2021,36(3):605-620. |
| |
| 作者姓名： | 杨卫哲 秦永彬 黄瑞章 王凯 程华龄 唐瑞雪 程欣宇 陈艳平 |
| |
| 作者单位： | 1.贵州大学省部共建公共大数据国家重点实验室，贵阳 550025;2.贵州大学计算机科学与技术学院，贵阳 550025;3.贵州省智能医学影像分析与精准诊断重点实验室，贵阳 550025;4.贵州省智能人机交互工程技术研究中心，贵阳 550025 |
| |
| 基金项目： | 国家自然科学基金通用联合基金重点（U1836205）资助项目；国家自然科学基金重大研究计划（91746116）资助项目；国家自然科学基金（62066007，62066008）资助项目；贵州省科技重大专项计划（黔科合重大专项字[2017]3002）资助项目；贵州省科学技术基金重点（黔科合基础[2020]1Z055）资助项目；贵州省教育厅青年科技人才成长项目（黔教合KY字[2017]137）资助项目；贵州省科技计划项目（黔科合基础[2018]1082）资助项目。 |
| |
| 摘 要： | 在关系抽取中，神经网络模型是目前最常用的技术之一，然而现有神经网络模型很少考虑句子中两个实体之间的结构特征。该文针对关系抽取任务的特点，提出了基于神经网络模型的句子结构获取方法。该方法通过对关系实例中两个实体的位置进行特殊标记，使神经网络模型能够有效捕获句子中关于实体的结构信息。为了验证方法的有效性，分别采用两种主流的神经网络模型进行对比实验，实验结果表明，该方法在ACE 2005中文关系抽取数据集上的抽取性能得到显著提升，超出对比工作约11个百分点，表明该方法能有效提升关系抽取任务的性能。
|
| 关 键 词： | 关系抽取 结构特征 自然语言处理 实体标记 |
| 收稿时间： | 2020/1/16 0:00:00 |
| 修稿时间： | 2020/12/25 0:00:00 |
Sentence Structure Acquisition Method for Chinese Relation Extraction |
| |
| YANG Weizhe,QIN Yongbin,HUANG Ruizhang,WANG Kai,CHENG Hualing,TANG Ruixue,CHENG Xinyu,CHEN Yanping.Sentence Structure Acquisition Method for Chinese Relation Extraction[J].Journal of Data Acquisition & Processing,2021,36(3):605-620. |
| |
| Authors: | YANG Weizhe QIN Yongbin HUANG Ruizhang WANG Kai CHENG Hualing TANG Ruixue CHENG Xinyu CHEN Yanping |
| |
| Affiliation: | 1.State Key Laboratory of Public Big Data, Guizhou University, Guiyang 550025, China;2.College of Computer Science and Technology, Guizhou University, Guiyang 550025, China;3.Key Laboratory of Intelligent Medical Image Analysis and Precision Diagnosis of Guizhou Province, Guiyang 550025, China;4.Guizhou Intelligent Human-Computer Interaction Engineering Technology Research Center, Guiyang 550025, China |
| |
| Abstract: | |
| |
| Keywords: | relation extraction structural features natural language processing entity marking |
|
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
|
