一种基于异构图神经网络和文本语义增强的实体关系抽取方法

作     者：彭勃 李耀东 龚贤夫 李浩 PENG Bo;LI Yaodong;GONG Xianfu;LI Hao

作者机构：广东电网有限责任公司电网规划研究中心广州510080 四川大学计算机学院成都610065 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2024年第51卷第S01期

页      面：256-260页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：中国南方电网有限责任公司科技项037700KK52220042(GDKJXM20220906) 

主　　题：深度学习 自然语言处理 知识图谱 实体关系抽取 异构图神经网络 文本语义增强 

摘      要：信息化时代,如何从海量自然语言文本中提取结构化信息已经成为研究热点。电力系统中繁杂的知识信息需要通过构建知识图谱来解决,而实体关系抽取是其上游的信息抽取任务,其完成度直接关系到知识图谱的有效性。而随着深度学习的不断发展,利用深度学习技术来完成实体关系抽取任务的研究逐渐展开并取得了良好的效果。然而目前依然存在文本语义应用不完全等问题。针对这些问题本文尝试提出了一种基于异构图神经网络和文本语义增强的实体关系抽取方法,该方法使用词节点与关系节点学习语义特征,并通过BRET与预训练任务分别获得两种节点的初始特征,使用多层图网络结构迭代更新,并在每一层中使用基于多头注意力机制的信息传递实现两种节点的交互。通过该模型与其他实体关系抽取在两个公开数据集上实验对比,所提模型取得了预期效果,在多种情境下普遍优于对比模型。