基于卷积神经网络和关键词策略的实体关系抽取方法

发布时间：2018-06-20 03:13

  本文选题：卷积神经网络(CNN) + 关系抽取　； 参考：《模式识别与人工智能》2017年05期

【摘要】：针对传统的实体关系抽取方法在定义特征过程中费时且容易造成错误传播,及现有深度学习方法依靠单一词向量学习特征的不足,文中提出基于卷积神经网络和关键词策略的实体关系抽取方法.在原始词向量的基础上,通过基于句子级的关键词抽取算法(TP-ISP)获得类别关键词特征.类别关键词的加入提高类别区分度,同时弥补网络自动学习特征的不足.在网络训练阶段,采用分段最大池化策略,减少传统最大池化策略的信息丢失.实验表明,文中方法有利于提升实体关系抽取结果.
[Abstract]:Traditional entity relation extraction methods are time-consuming and prone to error propagation in defining features, and the existing in-depth learning methods rely on single word vector learning features. In this paper, an entity relation extraction method based on convolution neural network and keyword strategy is proposed. Based on the original word vector, the keyword feature of category is obtained by sentence level keyword extraction algorithm (TP-ISP). The addition of category keywords improves the classification and makes up for the deficiency of network automatic learning feature. In the stage of network training, the piecewise maximization strategy is adopted to reduce the information loss of the traditional maximization strategy. The experimental results show that the proposed method is helpful to improve the results of entity relation extraction.
【作者单位】： 太原理工大学计算机科学与技术学院;山西能源学院电气与动力工程系;
【基金】：国家高技术研究发展计划(863计划)(No.2014AA015204) 山西省自然科学基金项目(No.2014011022-1) 中国科学院计算技术研究所网络数据科学与技术重点实验室课题资助~~
【分类号】：TP183;TP391.1

【相似文献】

相关期刊论文 前10条

1 邓擘;郑彦宁;傅继彬;;汉语实体关系模式的自动获取研究[J];计算机科学;2010年02期

2 牟晋娟;包宏;;中文实体关系抽取研究[J];计算机工程与设计;2009年15期

3 朱姗;;基于规则和本体的实体关系抽取系统研究[J];情报杂志;2010年S2期

4 车万翔,刘挺,李生;实体关系自动抽取[J];中文信息学报;2005年02期

5 朱鸿宇;刘瑰;陈左宁;唐福华;;实体关系识别中长距离依赖问题的研究[J];小型微型计算机系统;2008年02期

6 周利娟;林鸿飞;罗文华;;基于实体关系的犯罪网络识别机制[J];计算机应用研究;2011年03期

7 徐健;张智雄;吴振新;;实体关系抽取的技术方法综述[J];现代图书情报技术;2008年08期

8 李小红;钱龙华;;基于自举的弱指导中文实体关系抽取研究[J];高科技与产业化;2010年09期

9 董静;孙乐;冯元勇;黄瑞红;;中文实体关系抽取中的特征选择研究[J];中文信息学报;2007年04期

10 黄晨;钱龙华;周国栋;朱巧明;;基于卷积树核的无指导中文实体关系抽取研究[J];中文信息学报;2010年04期

相关会议论文 前3条

1 车万翔;刘挺;李生;;实体关系自动抽取[A];NCIRCS2004第一届全国信息检索与内容安全学术会议论文集[C];2004年

2 庄成龙;钱龙华;周国栋;;基于树核函数的实体关系抽取方法研究[A];第四届全国学生计算语言学研讨会会议论文集[C];2008年

3 徐芬;王挺;陈火旺;;基于SVM方法的中文实体关系抽取[A];内容计算的研究与应用前沿——第九届全国计算语言学学术会议论文集[C];2007年

相关博士学位论文 前5条

1 陈忱;面向Web的实体关系查询与分析关键技术研究[D];东北大学;2013年

2 郭喜跃;面向开放领域文本的实体关系抽取[D];华中师范大学;2016年

3 张奇;信息抽取中实体关系识别研究[D];中国科学技术大学;2010年

4 张宏涛;面向生物文本的实体关系自动抽取问题研究[D];清华大学;2012年

5 张素香;信息抽取中关键技术的研究[D];北京邮电大学;2007年

相关硕士学位论文 前10条

1 施琦;无监督中文实体关系抽取研究[D];中国地质大学(北京);2015年

2 林家欣;基于多源知识的地理选择题答题方法研究[D];哈尔滨工业大学;2015年

3 刘绍毓;实体关系抽取关键技术研究[D];解放军信息工程大学;2015年

4 胡春艳;中文开放式实体关系抽取技术研究[D];东北大学;2014年

5 程文亮;中文企业知识图谱构建与分析[D];华东师范大学;2016年

6 徐力;面向Web2.0的二元人物关系抽取研究[D];华东交通大学;2016年

7 韩海丹;面向智能服务机器人的家庭环境关系知识库构建[D];燕山大学;2016年

8 孔兵;中文文本实体关系抽取方法研究[D];哈尔滨工业大学;2016年

9 刘q，

本文编号：2042681