| 基于叠层循环神经网络的语义关系分类模型 |
| |
| 引用本文： | 郝志峰,陈培辉,蔡瑞初,温雯,王丽娟.基于叠层循环神经网络的语义关系分类模型[J].计算机应用研究,2020,37(1):135-139,157. |
| |
| 作者姓名： | 郝志峰 陈培辉 蔡瑞初 温雯 王丽娟 |
| |
| 作者单位： | 广东工业大学 计算机学院,广州510006;佛山科学技术学院 数学与大数据学院,广东 佛山 528000;汕尾职业技术学院 信息工程系,广东 汕尾516600;广东工业大学 计算机学院,广州510006 |
| |
| 基金项目： | 广东省科技计划;广东特支计划资助项目;广州市科技计划;广州市珠江科技新星项目;国家自然科学基金;广东省自然科学基金 |
| |
| 摘 要： | 基于循环神经网络结合句法结构的方法被广泛运用于关系分类，利用神经网络对输入的编码信息自动获取特征并实现关系分类；然而，目前已有的方法主要是基于单一特定句法结构的模型，而特定句法结构的模型不能够迁移到其他句法结构类型上。针对该问题，提出一种融合多句法结构的叠层循环神经网络模型。该叠层循环神经网络分为两层进行网络构建，首先在序列层进行实体预训练，通过Bi-LSTM-CRF融合attention机制，提高模型对文本序列上实体信息的关注度，从而获取更加准确的实体特征信息，促进关系层阶段更好地分类；其次在关系层，将Bi-Tree-LSTM嵌套在序列层之上，并将序列层的隐状态与实体特征信息传入关系层，利用共享参数对三种不同的句法结构进行加权学习，通过端到端的模型训练并实现语义关系分类。实验结果表明，该模型在SemEval-2010 Task8语料库上的marco-◢F◣▼1▽值达到了85.9%，并进一步地提升了模型的鲁棒性。
|
| 关 键 词： | 叠层循环神经网络 多句法结构 Bi-Tree-LSTM 注意力机制 关系分类 |
| 收稿时间： | 2018/6/20 0:00:00 |
| 修稿时间： | 2019/11/21 0:00:00 |
Sematic relation classification model via hierarchical recurrent neural network |
| |
| Hao Zhifeng,Chen Peihui,Cai Ruichu,Wen Wen and Wang Lijuan.Sematic relation classification model via hierarchical recurrent neural network[J].Application Research of Computers,2020,37(1):135-139,157. |
| |
| Authors: | Hao Zhifeng Chen Peihui Cai Ruichu Wen Wen and Wang Lijuan |
| |
| Affiliation: | Faculty of Computer,Guandong,University of Technology,,,, |
| |
| Abstract: | |
| |
| Keywords: | H-RNN multi-syntactic structure Bi-Tree-LSTM attention relation classification |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
