典型文献
基于依存图卷积的实体关系抽取模型
文献摘要：
目前大多数端到端的关系抽取方法解决了流水线方法的误差累计问题,但是仍然存在两个问题:结构特征表示不足,缺乏句法结构等信息;句子中存在着大量实体重叠关系,未考虑这些实体重叠关系的抽取导致关系三元组召回率低的问题.针对这些问题,提出一种基于图卷积神经网络的实体关系抽取模型.使用依存句法分析对文本构图,然后通过双向GraphSage提取其结构特征,融入句法结构的特征向量在预测关系时有着更好的表现.而对于关系重叠问题,一次性将所有关系抽取较为困难,因此将该任务分为两步:第一步只抽取非重叠关系与单实体重叠关系;第二步中语言模型抽取关系触发词,并与实体词一起构建实体关系图,这一步能够提高实体对重叠关系的抽取能力.
文献关键词：
关系抽取;图神经网络;关系触发词;深度学习;实体重叠;依存句法树;多任务学习;预训练语言模型
中图分类号：
作者姓名：
刘源;刘胜全;常超义;孙伟智
作者机构：
新疆大学 信息科学与工程学院,新疆 乌鲁木齐 830000;成都理工大学 计算机与网络安全学院(牛津布鲁克斯学院),四川 成都 610000
文献出处：
引用格式：
[1]刘源;刘胜全;常超义;孙伟智-.基于依存图卷积的实体关系抽取模型)[J].现代电子技术,2022(13):111-117
A类：
GraphSage,关系触发词
B类：
实体关系抽取,取模,数端,端到端,流水线,误差累计,特征表示,句法结构,句子,实体重叠,三元组,召回率,图卷积神经网络,依存句法分析,构图,特征向量,关系重叠,两步,第一步,非重叠,第二步,模型抽取,实体词,关系图,高实,图神经网络,依存句法树,多任务学习,预训练语言模型
AB值：
0.301882
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。
