期刊专题

10.11896/jsjkx.190100167

基于密集连接卷积神经网络的远程监督关系抽取

引用
密集连接卷积神经网络(DcnscNet)是一种新型深度卷积神经网络架构,通过建立不同层间的连接关系,来确保网络层与层间最大程度的信息传输.在文本远程监督关系抽取任务中,针对现有神经网络方法使用浅层网络提取特征的局限,设计了一种基于密集连接方式的深度卷积神经网络模型.该模型采用五层卷积神经网络构成的密集连接模块和最大池化层作为句子编码器,通过合并不同层次的词法、句法和语义特征,来帮助网络学习特征,从而获取输入语句更丰富的语义信息,同时减轻深度神经网络的梯度消失现象,使得网络对自然语言的表征能力更强.模型在NYT Freebase数据集上的平均准确率达到了82.5%,PR曲线面积达到了0.43.实验结果表明,该模型能够有效利用特征,并提高远程监督关系抽取的准确率.

深度学习、关系抽取、远程监督、卷积神经网络、密集连接

47

TP391(计算技术、计算机技术)

中国科学院网络测评技术重点实验室开放课题基金NST-18-001

2020-04-24(万方平台首次上网日期,不代表论文的发表时间)

共6页

157-162

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

47

2020,47(2)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn