典型文献
基于注意力迁移的跨语言关系抽取方法
文献摘要：
针对互联网上日渐丰富的多语言文本和匮乏大规模标注平行语料库的问题,为了从多语言的信息源挖掘语言间的关联性与扩展知识图谱,提出了基于注意力迁移的跨语言关系提取方法.首先针对语言间的实际平行语料情况,分类进行跨语言平行语料映射,并针对缺乏种子词典的低资源语言对,提出神经网络翻译模型获取目标语言数据集并保存多语言间的对应注意力权重关系,然后利用BERT端对端的联合抽取模型抽取训练数据实体关系特征,反向迁移语言间注意力权重关系,最后利用反向迁移的注意力进行增强的关系抽取.实验表明,该模型的关系提取效果相比其他模型在准确率和回归上都有所提升,在缺乏双语词典情况下也表现出较好的性能.
文献关键词：
神经机器翻译;关系提取;无监督;注意力迁移;BERT预训练
中图分类号：
作者姓名：
吴婧;杨百龙;田罗庚
作者机构：
火箭军工程大学 信息与通信工程系,西安710000;国防科技大学 信息通信学院,西安710000
文献出处：
引用格式：
[1]吴婧;杨百龙;田罗庚-.基于注意力迁移的跨语言关系抽取方法)[J].计算机应用研究,2022(02):417-423
A类：
B类：
注意力迁移,跨语言,语言关系,关系抽取,上日,多语言,平行语料库,信息源,关系提取,种子词,低资源语言,出神,翻译模型,目标语言,语言数据,注意力权重,BERT,端对端,联合抽取模型,模型抽取,训练数据,实体关系,关系特征,提取效果,双语词典,神经机器翻译,无监督,预训练
AB值：
0.360473
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。
