声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：43-1258/TP
国际刊号：1007-130X
发布日期:
作者：闫雄, 段跃兴, 张泽华
单位：太原理工大学信息与计算机学院,山西 晋中030600
关键词：实体关系抽取,自注意力机制,卷积神经网络,词向量,上下文语义,
基金：国家自然科学基金（61503273）
目前在实体关系抽取任务中，神经网络模型发挥着重要的作用，利用卷积神经网络可以自动提取特征，但是在卷积神经网络中利用固定窗口大小的卷积核来提取句子中词的上下文语义信息受到限制。因此，提出一种新的采用自注意力和卷积神经网络融合的关系抽取模型。利用原始的词向量通过自注意力机制计算得到序列中词之间的相互关系，使得输入的词向量表达出更加丰富的语义信息，从而弥补卷积神经网络自动提取特征的不足。在 SemEval?2010 Task 8数据集上的实验结果表明，加入自注意力机制以后，本文模型有利于提升实体关系抽取效果。
来源：2020年第11期
《计算机工程与科学》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。