基于多层次语义感知的中文关系抽取研究

关系抽取是构建知识图谱的基础,而中文关系抽取也是关系抽取中的难点问题,现有的中文关系抽取大多采用基于字符特征或者词特征的方法,但是前者无法捕获字符上下文的信息而后者受制于分词质量,导致中文关系抽取的性能较低。针对该问题,提出了基于多层次语义感知的中文关系抽取模型,该模型利用实体间丰富的语义信息来提高实体对关系预测的性能。多层次语义感知体现在以下三个方面：首先,利用ERNIE预训练语言模型将文本信息转化为动态词向量;然后,利用注意力机制增强实体所在句子的语义表示,同时通过外部知识尽可能地消除实体词的中文歧义;最后,将包含多层语义感知的句子表示放入到分类中进行预测。实验结果表明,所提模型在中文关系抽取的性能上优于已有模型,且更具解释性。     

文档级关系抽取技术研究综述

关系抽取是信息抽取研究的重要方向，已逐步从句子级扩展到了文档级。与句子相比，文档通常蕴含更多的关系事实，可为知识库构建、信息检索和语义分析等提供更多的信息支持。然而，文档级关系抽取复杂度更高，难度更大，目前缺乏较为系统全面的梳理和总结。为更好地促进文档级关系抽取的深入研究与发展，文中对已有技术和方法进行了综合深入分析，从数据预处理方式和核心算法角度，将已有文档级关系抽取研究大致分为基于树、基于序列和基于图3种类别；在此基础上，分析描述了各类研究中的部分典型方法、最新进展以及存在的不足；同时，介绍了现有研究中部分常用数据集和性能评价指标，并列出了已有部分典型方法的具体性能；最后，对现有文档级关系抽取研究存在的问题进行了分析和总结，指出了未来可能的发展趋势及可进一步深入关注的研究方向。