基于多层注意力机制的农业病虫害远程监督关系抽取研究

发布时间：2021-09-05 20:16

　　针对大多数现有关系抽取模型存在对语义特征提取不充分、速度慢且数据集匮乏的缺点,提出一种PCNN（piecewise convolutional neural network）模型和多层注意力机制相结合的远程监督关系抽取方法进行农业病虫害领域的关系抽取。模型由两个实体把句子分成三段,对卷积后的每一段进行最大池化获得特征,同时在实例和池化特征层面上分别引入注意力机制有效降低信息噪声。在F1评价指标上比传统方法提高了5.75%,在耗时上是传统方法的10.93%,且减少了手工标注数据集的成本。 

【文章来源】：安徽农业大学学报. 2020,47(04)CSCD

【文章页数】：5 页

【部分图文】：

PCNN多注意力机制关系抽取模型

图2 位置向量化

【参考文献】：
期刊论文
[1]基于远程监督的关系抽取研究综述[J]. 白龙,靳小龙,席鹏弼,程学旗.  中文信息学报. 2019(10)
[2]基于BiLSTMAtt的军事领域实体关系抽取研究[J]. 朱珊珊,唐慧丰.  智能计算机与应用. 2019(04)
[3]基于注意力机制的农业金融文本关系抽取研究[J]. 吴粤敏,丁港归,胡滨.  数据分析与知识发现. 2019(05)
[4]关系抽取技术研究综述[J]. 黄勋,游宏梁,于洋.  现代图书情报技术. 2013(11)
[5]基于词形规则模板的术语层次关系抽取方法[J]. 韩红旗,徐硕,桂婕,乔晓东,朱礼军,安小米.  情报学报. 2013 (07)



本文编号：3386018