当前的联合模型:有的需要人工特征,虽然利用神经网络已经可以不人工选特征了,但是会依赖于很多NLP工具,如pos标注、依存分析;单个实体的多个关系抽取还存在问题。 本文要介绍的联合模型能一块执行实体识别和关系抽取两个任务,同时能够解决多关系问题,并且不依赖其他的NLP工具,不需要人工设置的特征。 创新点: (1)将原来...
实体识别和关系抽取的联合模型总结 实体识别和关系抽取的目标是从非结构化的文本中发现(实体1、关系、实体2)的三元组,它对知识库的构建和问答任务都很重要,是信息抽取的核心问题。 现有的关系抽取方法主要有两种: 1.使用流水线方法进行抽取:先对句子进行实体识别,然后对识别出的实体两两组合,再进行关系分类,最后把...
着实体识别和关系抽取的联合模型进行了深入的研究,主要工作内容和阶段成果如下:(1)复现了基于神经网络的实体识别和关系抽取的联合模型基线系统,并对当前模型可能存在的问题进行了讨论.(2)提出了一种基于参数共享的双向长短期记忆网络-图卷积神经网络的混合神经网络结构.模型通过引入句法的图卷积神经网络,用于更好的抽取...