基于位置感知能力胶囊网络的实体关系提取

摘要：

目前实体关系提取大都使用卷积神经网络(CNN)和循环神经网络(RNN).但CNN和RNN均以标量形式进行特征表达,对位置信息的敏感度不够理想.同时,CNN和RNN的最大池化(max-pooling)导致特征信息丢失.针对这两个问题,引入胶囊网络(CapsuleNet),构建了具备位置感知能力的Position Perception CapsuleNet(PPCNet).胶囊(Capsule)是一组神经元,特征表达基于向量形式.PPCNet将词间的位置关系转化为位置向量(position embedding)融入Capsule以获得位置感知能力.此外,PPCNet使用动态路由(Dynamic routing)替代池化,以减少特征损失,在SemEval-2010task8数据集上得到82.84％的F1值.

关键词：自然语言处理、实体关系提取、胶囊网络(CapsuleNet)、位置感知能力、PPCNet

所属期刊栏目：57

分类号：TP181(自动化基础理论)

在线出版日期：2021-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：101-107