模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2017, Vol. 30 Issue (5): 465-472    DOI: 10.16451/j.cnki.issn1003-6059.201705009
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于卷积神经网络和关键词策略的实体关系抽取方法*
王林玉1,王莉1,郑婷一1,2
1. 太原理工大学 计算机科学与技术学院 晋中 030600
2.山西能源学院 电气与动力工程系 晋中 030600
Entity Relation Extraction Based on Convolutional Neural Network and Keywords Strategy
WANG Linyu1, WANG Li1, ZHENG Tingyi1,2
1.College of Computer Science and Technology, Taiyuan University of Technology, Jinzhong 030600
2. Department of Electrical and Power Engineering, Shanxi Institute of Energy, Jinzhong 030600

全文: PDF (652 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
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.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
王林玉
王莉
郑婷一
关键词 卷积神经网络(CNN) 关系抽取 关键词特征 分段最大池化策略    
Abstract:The conventional relation extraction methods are time consuming, the error propagation in feature selection is likely to emerge, and the deep learning methods only depend on word embeddings to learn features. Aiming at these problems, a relation extraction method based on convolutional neural network and keywords strategy is proposed. Based on feature of the word embeddings, the keywords feature is acquired by the term proportion-inverse sentence proportion (TP-ISP) keywords extraction algorithm based on sentence. Thus, the category division is increased and the deficiency of the network to automatically learn features from sentence is remedied. In the network training process, the chunk-based max pooling strategy is adopted to reduce the information loss by the traditional max-over-time pooling strategy. The experiment demonstrates that the proposed method improves the results of entity relation extraction.
Key wordsConvolutional Neural Network(CNN)    Relation Extraction    Keyword Feature    Chunk-Based Max Pooling   
收稿日期: 2016-11-20     
ZTFLH: TP 391  
基金资助: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
作者简介: 王林玉,女,1990年生,硕士研究生,主要研究方向为机器学习、自然语言处理.E-mail:1498563283@qq.com.
王 莉(通讯作者),女,1971年生,博士,教授,主要研究方向为大数据计算、数据挖掘、社会计算.E-mail:wangli@tyut.edu.cn.
郑婷一,女,1987出生,博士,助教,主要研究方向为人工智能、数据分析.E-mail:tyut66666@163.com.
引用本文:   
王林玉,王莉,郑婷一. 基于卷积神经网络和关键词策略的实体关系抽取方法*[J]. 模式识别与人工智能, 2017, 30(5): 465-472. WANG Linyu, WANG Li, ZHENG Tingyi. Entity Relation Extraction Based on Convolutional Neural Network and Keywords Strategy. , 2017, 30(5): 465-472.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201705009      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2017/V30/I5/465
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn