典型文献
基于语义增强的多特征融合小样本关系抽取
文献摘要：
关系抽取是自然语言处理和知识图谱构建的一项关键任务,现有小样本关系抽取方法无法有效获取和充分利用更多的文本语义信息,为此给出一个基于语义增强的多特征融合关系抽取方法(SMPC)并应用于小样本任务中.该方法构建了一个融合位置、词性和句法依存等信息的分段卷积神经网络最大化表示语义特征,并从维基百科中抽取细粒度语义信息,将其融入词嵌入,提高模型上下文共性学习.在两种场景下对不同基线方法进行实验,分别取得最高4％和10％的准确率提升,证明了该方法的有效性.
文献关键词：
关系抽取;小样本学习;细粒度语义;特征融合
中图分类号：
作者姓名：
潘理虎;刘云;谢斌红;张英俊
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]潘理虎;刘云;谢斌红;张英俊-.基于语义增强的多特征融合小样本关系抽取)[J].计算机应用研究,2022(06):1663-1667
A类：
B类：
语义增强,多特征融合,关系抽取,自然语言处理,知识图谱构建,关键任务,文本语义,语义信息,融合关系,SMPC,词性,句法依存,分段卷积神经网络,语义特征,维基百科,细粒度语义,词嵌入,上下文,准确率提升,小样本学习
AB值：
0.331031
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。
