期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
持续关系抽取方法研究综述
1
作者 杭婷婷 郭亚 +1 位作者 李德胜 冯钧 《计算机工程与应用》 北大核心 2025年第14期1-19,共19页
关系抽取旨在从文本数据中识别并提取实体之间的关系。随着数据流的动态变化,传统关系抽取模型在处理新出现的关系类型时,往往面临灵活性和有效性的双重挑战。持续关系抽取模型通过实时学习,不仅能够适应新关系类型的引入,还能有效保留... 关系抽取旨在从文本数据中识别并提取实体之间的关系。随着数据流的动态变化,传统关系抽取模型在处理新出现的关系类型时,往往面临灵活性和有效性的双重挑战。持续关系抽取模型通过实时学习,不仅能够适应新关系类型的引入,还能有效保留已学到的知识,为知识图谱的动态更新与扩展提供了重要支持。系统综述了持续关系抽取领域的研究进展。阐述了持续关系抽取的发展历程、基本概念以及任务定义;从关系原型、对抗增强、对比学习及其他方法四个方面总结了当前的研究方法;介绍了常用的数据集与评价指标,并对主流模型的性能进行了对比评估。最后,分析了现有方法的局限性与挑战,并对未来的研究方向提出了展望。 展开更多
关键词 持续关系抽取 记忆机制 关系原型 对抗增强 对比学习
在线阅读 下载PDF
基于监督对比重放的持续关系抽取
2
作者 赵基藤 李国正 +1 位作者 汪鹏 柳沿河 《中文信息学报》 CSCD 北大核心 2023年第11期60-67,80,共9页
持续关系抽取被用来解决在新关系上重新训练模型而导致灾难性遗忘的问题。该文针对现有持续关系抽取模型存在的最近任务偏倚等问题,提出了一种基于监督对比重放的持续关系抽取方法。具体而言,对每个新任务,首先利用编码器学习新的样本嵌... 持续关系抽取被用来解决在新关系上重新训练模型而导致灾难性遗忘的问题。该文针对现有持续关系抽取模型存在的最近任务偏倚等问题,提出了一种基于监督对比重放的持续关系抽取方法。具体而言,对每个新任务,首先利用编码器学习新的样本嵌入,接着通过将相同和不同关系类别的样本作为正负样本对,在每次重放的过程中利用监督对比损失,不断学习一个区分能力强的编码器;同时,在监督对比学习过程中利用关系原型进行辅助增强,防止模型过拟合;最后在测试阶段通过最近类均值分类器进行分类。实验结果表明,该文提出的方法可以有效缓解持续关系抽取中的灾难性遗忘问题,在FewRel和TACRED两个数据集上都达到了最先进的持续关系抽取性能。同时,随着任务数量的增加,在训练至5个任务以后,该文模型性能领先最先进的模型性能约1%。 展开更多
关键词 持续关系抽取 监督对比学习 重放
在线阅读 下载PDF
深度语句级实体关系抽取综述
3
作者 赵从健 焦一源 李雁妮 《西安电子科技大学学报》 CSCD 北大核心 2024年第6期117-131,共15页
语句级实体关系抽取(以下简称实体关系抽取)意指从给定的一条语句中抽取其中一对实体之间的语义关系,它是人工智能中知识图谱构建、自然语言处理、智能问答、Web搜索等应用的重要基础,是当前人工智能中最前沿的基础研究难题。随着深度... 语句级实体关系抽取(以下简称实体关系抽取)意指从给定的一条语句中抽取其中一对实体之间的语义关系,它是人工智能中知识图谱构建、自然语言处理、智能问答、Web搜索等应用的重要基础,是当前人工智能中最前沿的基础研究难题。随着深度神经网络在多个领域的成功应用,现已出现了多种基于深度神经网络模型的实体关系抽取算法。近几年来,随着持续地处理与理解文本信息的需求,开始出现了一些实体关系抽取与持续学习相结合的深度持续实体关系抽取算法。该类算法可以使模型在不遗忘已学习的旧任务知识的同时,可持续高效地进行序列性的多个任务的实体关系抽取。文中将对现有典型的深度实体关系抽取和持续实体关系抽取方法,从其深度网络模型、算法框架、性能特征等方面进行深入分析综述,并指出其研究发展趋势,为实体关系抽取的深入研究起到抛砖引玉的作用。 展开更多
关键词 深度学习 自然语言处理 实体关系抽取 持续学习 持续实体关系抽取
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部