典型文献
基于优化信息融合策略的关系抽取
文献摘要：
现有的关系抽取方法提取全局特征和局部特征,并将其连接作为关系表示进行分类.然而,简单的连接操作意味着将各种特征视为同等重要的信息来处理,忽略了它们对关系抽取的不同贡献程度,限制了模型的效果.实际上,在复杂的语境下,不同信息的重要程度大相径庭.针对此问题,提出了一种基于优化信息融合策略的关系抽取方法.首先,通过BERT获得句向量以及实体表示,将句子表示分别融入到两实体表示中,以获得两种复合特征.随后,采用一种自适应的信息学习策略融合两种特征作为关系表示用于分类.该方法融合了输入序列的全局和局部信息,并自动聚焦于贡献更大的部分.在TACRED、TACREV、Semeval2010 Task8数据集上的实验表明,该方法的F1值优于当前最优模型.
文献关键词：
关系抽取;信息融合;BERT;深度学习
中图分类号：
作者姓名：
周煜坤;陈渝;赵容梅;琚生根
作者机构：
四川大学计算机学院,成都610065;四川民族学院理工学院,四川康定626001
文献出处：
引用格式：
[1]周煜坤;陈渝;赵容梅;琚生根-.基于优化信息融合策略的关系抽取)[J].小型微型计算机系统,2022(11):2241-2250
A类：
TACRED,TACREV,Semeval2010,Task8
B类：
信息融合,融合策略,关系抽取,全局特征,局部特征,关系表示,同等重要,贡献程度,重要程度,大相径庭,BERT,句向量,句子,信息学习,学习策略,策略融合,方法融合,局部信息,自动聚焦,最优模型
AB值：
0.379349
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。
