典型文献
基于注意力机制和卷积神经网络的中文人物关系抽取与识别
文献摘要：
[目的]研究中文人物实体关系中动态语义信息的特征抽取和中文人物关系识别.[方法]采用公开的人物实体关系语料集,使用注意力机制+改进的卷积神经网络模型(CNN+Attention)从训练数据中自动提取特征,从不同模型实体关系识别效率、不同关系标签实体关系抽取效果以及不同向量训练集实体关系抽取效率等多维度进行对比和验证.[结果]在中文人物关系抽取任务上,CNN+Attention模型的预测准确率和全局性能均优于SVM、LR、LSTM、BiLSTM以及CNN模型,并比抽取效果相对较优的BiLSTM模型准确率提高0.92个百分点,召回率提高0.86个百分点,Fl值提高0.80个百分点.[局限]仅使用单一的样本数据来源,未拓展多种数据来源渠道,样本数据集范围不够广.[结论]基于注意力机制的卷积神经网络,在中文人物关系抽取任务中能够有效地提升实体关系抽取的准确率和召回率.
文献关键词：
卷积神经网络;注意力机制;中文人物;关系抽取;关系识别
中图分类号：
作者姓名：
赵鹏武;李志义;林小琦
作者机构：
中国科学技术信息研究所 北京100038;华南师范大学经济与管理学院 广州510006
文献出处：
引用格式：
[1]赵鹏武;李志义;林小琦-.基于注意力机制和卷积神经网络的中文人物关系抽取与识别)[J].数据分析与知识发现,2022(08):41-51
A类：
中文人物,CNN+Attention
B类：
注意力机制,人物关系,动态语义,语义信息,特征抽取,关系识别,语料,卷积神经网络模型,训练数据,自动提取,提取特征,实体关系抽取,训练集,预测准确率,全局性,LR,BiLSTM,模型准确率,百分点,召回率,Fl,数据来源,样本数据集
AB值：
0.189504
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。
