计算机工程与科学

作者：马长林, 孙状

单位：华中师范大学计算机学院，湖北 武汉 430079

关键词：关系抽取,实体,实体描述,分段卷积神经网络,自注意力机制,

基金：国家自然科学基金 (62272189)

为了降低远程监督关系抽取标记数据的噪声，提出一种融合实体描述和自注意力机制的远程监督关系提取模型，模型基于多示例学习，考虑到实体知识和位置关系的综合作用，采用词、实体、实体描述和相对位置的拼接向量作为模型输入，将分段卷积神经网络作为句子编码器，结合改进的结构化自注意力机制，捕捉特征内部相关性，并构造头实体和尾实体的差向量作为注意力机制的监督信息，为句子分配权重。在纽约时报数据集上的实验结果表明，与已有模型相比，本文模型的性能指标均达到最大值。

来源：2024年第5期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第5期