典型文献
面向互联网食品文本实体关系联合抽取研究
文献摘要：
传统实体关系抽取方法中存在错误传播、实体冗余等问题,食品文本语料中存在主实体对应多个关系的特点,针对此情况,提出一种面向互联网食品文本领域的实体关系联合抽取方法.采用序列标注标签和实体关系匹配规则,将实体关系抽取任务转化为序列标注问题;引入基于位置感知的领域词注意力机制的字词双维度语义编码向量,增强文本的语义表征;在对句子进行字词双维度表示的基础上结合双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)和条件随机场(conditional random field,CRF)构建了序列标注模型(position attention-bidirectional encoder representation from transformer,PA-BERT),实现实体关系联合抽取.对比实验证明,提出的实体关系联合抽取模型在食品数据集上的准确率比常用深度神经网络模型高出6％～11％,在食品文本实体关系抽取中是有效性的.
文献关键词：
实体关系抽取;文本序列标注;注意力机制
中图分类号：
作者姓名：
左敏;薛明慧;张青川;蔡圆媛
作者机构：
北京工商大学 农产品质量安全追溯技术及应用国家工程实验室,北京100048
文献出处：
引用格式：
[1]左敏;薛明慧;张青川;蔡圆媛-.面向互联网食品文本实体关系联合抽取研究)[J].重庆邮电大学学报（自然科学版）,2022(05):812-817
A类：
文本序列标注
B类：
互联网食品,实体关系抽取,误传,语料,此情,联合抽取方法,注标,关系匹配,匹配规则,位置感知,领域词,词注意力机制,字词,双维度,语义编码,编码向量,语义表征,对句,句子,双向长短期记忆网络,long,short,term,memory,BiLSTM,条件随机场,conditional,random,field,CRF,position,attention,bidirectional,encoder,representation,from,transformer,PA,BERT,实体关系联合抽取模型,品数,深度神经网络模型
AB值：
0.366912
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
