典型文献
基于藏文Albert预训练语言模型的图采样与聚合实体关系抽取
文献摘要：
实体关系抽取任务是对句子中实体对间的语义关系进行识别.该文提出了一种基于 Albert 预训练语言模型结合图采样与聚合算法(Graph Sampling and Aggregation,GraphSAGE)的实体关系抽取方法,并在藏文实体关系抽取数据集上实验.该文针对藏文句子特征表示匮乏、传统藏文实体关系抽取模型准确率不高等问题,提出以下方案:①使用预先训练的藏文Albert模型获得高质量的藏文句子动态词向量特征;②使用提出的图结构数据构建与表示方法生成 GraphSAGE模型的输入数据,并通过实验证明了该方法的有效性;③借鉴 GraphSAGE模型的优势,利用其图采样与聚合操作进行关系抽取.实验结果表明,该文方法有效提高了藏文实体关系抽取模型的准确率,且优于基线实验效果.
文献关键词：
藏文;实体关系抽取;Albert;GraphSAGE
中图分类号：
作者姓名：
于韬;尼玛次仁;拥措;尼玛扎西
作者机构：
西藏大学 信息科学技术学院,西藏 拉萨 850000;西藏大学 西藏自治区藏文信息技术人工智能重点实验室,西藏 拉萨 850000;西藏大学 藏文信息技术教育部工程研究中心,西藏 拉萨 850000
文献出处：
引用格式：
[1]于韬;尼玛次仁;拥措;尼玛扎西-.基于藏文Albert预训练语言模型的图采样与聚合实体关系抽取)[J].中文信息学报,2022(10):63-72
A类：
B类：
藏文,Albert,预训练语言模型,图采样,实体关系抽取,对句,语义关系,聚合算法,Sampling,Aggregation,GraphSAGE,文句,句子特征,特征表示,取模,模型准确率,词向量,图结构数据,表示方法,输入数据,实验效果
AB值：
0.260849
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。
