-
题名基于关系图卷积神经网络的跨句实体关系抽取
- 1
-
-
作者
陈千
关春祥
郭鑫
王素格
-
机构
山西大学计算机与信息技术学院
山西大学计算智能与中文信息处理教育部重点实验室
-
出处
《中文信息学报》
北大核心
2025年第7期62-71,共10页
-
基金
山西省自然科学基金(202203021221021)
国家自然科学基金(62376143)。
-
文摘
相对于句子级关系抽取,涉及关系的实体存在于多个句子中的情况在实际场景中更常见。因此篇章级关系抽取逐渐成为近年来信息抽取领域的研究热点。为了充分利用上下文信息和篇章结构信息,该文采用实体嵌入表示和实体间的显式结构关系研究跨句实体关系抽取。首先,对篇章进行编码和构图;进而,使用关系图卷积神经网络对图节点进行更新,并利用融合篇章全局信息的节点嵌入表示更新边嵌入表示;最后,该模型使用一种迭代算法完成边信息的推理,实现跨句实体关系抽取。实验结果表明,相比基线模型,在CDR和GDA数据集上的跨句实体关系抽取性能得到了显著提高。
-
关键词
关系图卷积神经网络
跨句实体关系抽取
实体嵌入
-
Keywords
relational graph convolutional neural networks
cross-sentence entity relation extraction
entity embedding
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
