APP下载

基于注意力机制的远程监督实体关系抽取

2021-02-25邢毅雪朱永华高海燕

上海大学学报(自然科学版) 2021年5期
关键词:监督方法模型

邢毅雪,朱永华,高海燕, 周 金, 张 克

(1. 上海大学上海电影学院, 上海 200072; 2. 上海大学生命科学学院, 上海 200444)

近年来, 由于信息技术发展迅速, 需要处理的文本信息量成倍增长, 构成了一个巨大的信息资源库, 如何从海量开放领域数据中快速提取出所需有效信息变得尤为重要. 实体关系抽取(relation extraction)是信息抽取和文本挖掘的核心任务之一, 其在实体识别的基础上通过对文本信息建模, 自动地从大量非结构化文本中抽取实体对间预先定义的语义关系. 美国组织的自动内容抽取(automatic content extraction, ACE)评测会议于2000 年将关系抽取作为其评测的任务之一. ACE 的目标是关注新闻领域的实体和实体关系抽取, 为抽取任务提供评测语料和实体关系类型, ACE 标志着关系抽取研究开始进一步细化. ACE 在2009 年被归入TAC(Text Analysis Conference)的一个专题, 从此关系抽取任务成为构建知识库的重要组成部分, 其研究成果被广泛应用于机器翻译、知识图谱[1]、问答系统、文本摘要等领域.

经典的实体关系抽取技术中, 监督学习能更有效地抽取特征, 获得较高的准确率和召回率, 但这种方法所需的大量训练语料要人工标注, 非常耗费时间和人力, 增加了成本. 针对这个局限, Mintz等[2]提出了将远程监督(distant supervision)应用于实体关系抽取任务中, 将纽约时报中的新闻文本与已存在的知识库Freebase 进行了实体对齐, 并将对齐结果作为实体关系的标注; Zeng 等[3]使用卷积神经网络(convolutional neural network, CNN)对实体进行了关系抽取, 将词向量和词位置向量串接后输入网络, 并根……

登录APP查看全文

猜你喜欢

监督方法模型
一半模型
突出“四个注重” 预算监督显实效
重尾非线性自回归模型自加权M-估计的渐近分布
监督见成效 旧貌换新颜
夯实监督之基
3D打印中的模型分割与打包
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼
监督宜“补”不宜“比”