检索结果-南通市图书馆

检索条件"主题词=关系提取任务"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于注意力机制和图神经网络的关系提取模型

基于注意力机制和图神经网络的关系提取模型

引用

作者：陈少泽华东师范大学

学位级别：硕士

关系提取任务作为信息提取的重要子任务,其目标是从文本中识别出三元组,将无结构化数据转化为结构化数据。关系提取同样是构建知识图谱、问答系统等自然语言处理任务的基础工作,具有重要的研究价值。根据不同的识别文本,关系提取任务可... 详细信息

关系提取任务作为信息提取的重要子任务,其目标是从文本中识别出三元组,将无结构化数据转化为结构化数据。关系提取同样是构建知识图谱、问答系统等自然语言处理任务的基础工作,具有重要的研究价值。根据不同的识别文本,关系提取任务可以分为句子级别的关系提取任务和文档级别的关系提取任务。在句子级别的关系提取任务中,任务目标是识别自然语言文本中的实体,并将实体进行关系分类。在文档级别的关系提取任务中,由于所需识别的文本更为复杂,模型无法兼顾实体的识别,其主要的研究目标是对实体进行关系分类。信息冗余、关系重叠和先验推理问题都影响着现有句子级关系提取模型的性能。同时,句子级别的关系提取模型忽视了两个不同句子中的实体存在关系的可能,所以仅将模型的输入文本替换为多句子组成的文档并不能很好地完成文档级别的关系提取任务。针对上述问题,本文提出了基于注意力机制和对比三元组的句子级联合关系提取模型和基于图神经网络的文档级关系提取模型,主要工作如下所述:1.针对信息冗余和关系重叠问题,提出了基于注意力机制的联合提取模型。为了解决了信息冗余问题,本文将句子级关系提取任务分解成两个子任务:(1)识别头实体;(2)识别尾实体和关系标签。针对关系重叠问题,模型借助注意力机制预测三元组数量,从而让实体可以参与多次预测,解决重叠关系问题的同时避免了因人工阈值筛选关系带来的性能限制问题。模型在公共数据集NYT和Web NLG上F1值分别达到了90.8%和91.9%,并在重叠关系的实验中获得了较好的结果,证明了模型的有效性。2.针对先验推理问题,本文提出了基于对比三元组的关系提取模型。模型利用注意力矩阵生成关系向量,并结合实体向量和全文特征向量组合成基于上下文的三元组表达,使模型可以依据上下文信息来验证三元组的正确性,从而解决先验推理问题。模型在NYT和Web NLG数据集上相较于其它基准模型取得了更好的结果。3.在句子级关系提取研究的基础上,针对文档中不同句子中的实体之间存在关系这一特点,提出了基于图卷积网络的文档级关系提取模型。在特征提取方面,模型结合了图和序列两种不同的编码方式。利用图卷积网络提取基于图的实体特征和实体与实体之间的路径依赖关系特征,对比学习模块提取基于序列的实体特征。同时,在对比学习中引入实体结构信息,丰富了实体的特征信息,提高了关系分类的准确率。模型在Doc RED数据集上Ing F1分数为59.47%,超越了其它基准模型,证明了模型在文档级提取任务上的有效性。

关键词：关系提取任务联合提取模型注意力机制图神经网络对比学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：