典型文献
基于卷积神经网络的实体关系抽取研究
文献摘要：
关系抽取是信息抽取中的一个重要子任务,很多关系抽取任务利用现有的词法分析和句法分析等基本的NLP处理工具来生成特征,但是该特征提取方法完全利用之前的经验进行,特征的质量过度依赖于已有的NLP工具的准确率,存在误差传播的问题.近年来随着深度学习的发展,卷积神经网络学习算法在很多自然语言处理任务中取得了较好的效果.文中应用计算机领域的手工标注数据集,采用卷积神经网络的实体关系抽取方法.实验表明,卷积神经网络方法能够有效抽取实体之间的关系,其准确率和F1值较BiLSTM方法有所提高.
文献关键词：
关系抽取;自然语言处理;特征提取;深度学习;卷积神经网络
中图分类号：
作者姓名：
排日旦·阿布都热依木;吐尔地·托合提;艾斯卡尔·艾木都拉
作者机构：
新疆大学信息科学与工程学院,乌鲁木齐830046
文献出处：
引用格式：
[1]排日旦·阿布都热依木;吐尔地·托合提;艾斯卡尔·艾木都拉-.基于卷积神经网络的实体关系抽取研究)[J].信息技术,2022(03):1-5,11
A类：
B类：
实体关系抽取,信息抽取,要子,子任务,词法,句法分析,NLP,来生,误差传播,神经网络学习,自然语言处理,计算机领域,神经网络方法,BiLSTM
AB值：
0.255793
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。
