典型文献
基于图神经网络的联合实体关系抽取
文献摘要：
从非结构化文本中联合提取实体和关系是信息抽取中的一项重要任务.现有方法取得了可观的性能,但仍受到一些固有的限制,如错误传播、预测存在冗余性、无法解决关系重叠问题等.为此,提出一种基于图神经网络的联合实体关系抽取模型BSGB(BiLSTM+SDA-GAT+BiGCN).BSGB分为两个阶段:第一阶段将语义依存分析扩展到语义依存图,提出融合语义依存图的图注意力网络(SDA-GAT),通过堆叠BiLSTM和SDA-GAT提取句子序列和局部依赖特征,并进行实体跨度检测和初步的关系预测;第二阶段构建关系加权GCN,进一步建模实体和关系的交互,完成最终的实体关系三元组抽取.在NYT数据集上的实验结果表明,该模型F1 值达到了67.1%,对比在该数据集的基线模型提高了5.2%,对重叠关系的预测也有大幅改善.
文献关键词：
联合实体关系抽取;图注意力网络;语义依存图
中图分类号：
作者姓名：
苗琳;张英俊;谢斌红;李玉
作者机构：
太原科技大学 计算机科学与技术学院,太原030024
文献出处：
引用格式：
[1]苗琳;张英俊;谢斌红;李玉-.基于图神经网络的联合实体关系抽取)[J].计算机应用研究,2022(02):424-431
A类：
联合实体关系抽取,BSGB,BiLSTM+SDA,GAT+BiGCN,语义依存图
B类：
图神经网络,非结构化,结构化文本,中联,联合提取,信息抽取,误传,冗余性,关系重叠,取模,第一阶段,语义依存分析,合语,图注意力网络,堆叠,句子,子序列,赖特,第二阶段,三元组抽取,NYT,基线模型
AB值：
0.248456
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。
