文章摘要:在现有的中文实体关系抽取方法中，通常利用实体间单向关系语义特征进行抽取，然而，仅靠单向语义特征并不能完全利用实体间的语义关系，这使得实体关系抽取的有效性受到影响。针对这一问题，本文提出了基于双向语义的中文实体关系联合抽取方法。该方法首先利用Roberta预训练模型获取具有上下文信息的文本字向量表征，然后通过首尾指针标注识别句子中可能存在关系的实体。为了同时利用文本中的双向关系语义信息，提出将实体分别作为关系中主体与客体的角色来建立正负关系，并利用两组全连接神经网络构建正负关系映射器，实现对每一个输入实体同时从正关系与负关系的角度构建候选关系三元组。然后，用候选关系三元组分别在正负关系下的概率分布序列与实体位置嵌入特征相结合来对候选三元组进行判别，以确定最终的关系三元组。通过与其它流行的联合抽取方法在相同数据集上进行对比实验，结果表明本文模型所获得的准确率与召回率优于其它方法，并取得了80.5%的F1值，相比于所对比的基线模型F1值平均提高了12.8%，达到了提升中文关系抽取有效性的目的。

文章关键词:

论文DOI:10.19678/j.issn.1000-3428.0063788

论文分类号:TP391.1

上一篇：计算机软件及计算机应用论文_有监督实体关系联
下一篇：没有了