-
题名基于SENT改进的远程监督关系抽取方法
- 1
-
-
作者
赵明
刘胜全
岳柳
-
机构
新疆大学软件学院
新疆大学计算机科学与技术学院
-
出处
《现代电子技术》
北大核心
2024年第16期51-57,共7页
-
基金
新疆维吾尔自治区重大科技项目(2022A02012-1)
国家自然科学基金项目(61966034)
国家重点研发计划项目(2022ZD0115801)
-
文摘
远程监督关系抽取可以在非人工标注条件下自动构建数据集,而基线模型SENT可以将负训练思想引入到该场景进行关系抽取任务。但基线模型使用双向长短期记忆网络提取特征,主要注重长距离依赖关系的学习,在关注局部上下文中的特征方面存在不足,对于局部特征捕捉不够充分;同时基线模型在负训练训练模型时,未能重点关注与互补标签相关的特征,对互补标签信息的学习不足,这影响了对噪声数据的识别能力。为了解决这些问题,文中引入卷积神经网络,通过卷积核在输入关系序列上进行卷积操作,从而捕捉到输入关系实例中的局部信息,提高模型对于输入数据的局部特征学习能力。针对模型对互补标签特征未能关注的问题,引入逆向注意力机制,通过调整与互补标签相关的隐藏单元的权重,使模型能够有选择性地关注与互补标签相关的信息,从而提高模型对基于互补标签的噪声数据的识别性能,进一步改善模型关系抽取性能。通过NYT10数据集对所设计的方法进行了验证,结果表明,所提方法相较于基线模型在NYT10数据集关系抽取任务中F1值提高了4.84%,有效地提高了模型远程监督关系的抽取能力。
-
关键词
远程监督
关系抽取
基线模型sent
负训练
注意力机制
互补标签
深度学习
-
Keywords
distant supervision
relation extraction
baseline model sent
negative training
attention mechanism
complementary label
deep learning
-
分类号
TN711-34
[电子电信—电路与系统]
-
