基于DCNN和GLU的武器领域实体关系抽取方法

摘要：

武器领域的非结构化文本数据通常十分复杂,单句内可能存在"一武器与多个武器相关联"或"两武器之间存在多种关系"等情况,为此提出基于膨胀卷积神经网络和门控线性单元的实体关系抽取方法以处理该类型数据中存在的关系重叠问题.该方法将拼接了词向量和位置向量的句子编码向量传入带有门控机制的膨胀卷积神经网络模型,引入可以快速抽取句内命名实体特征信息的自注意力机制,通过分层次的序列标注方式识别出句中全部实体以及每个主实体对应的所有关系和客实体,进而生成武器领域实体关系三元组.实验结果显示,该方法在自行标注的武器领域数据集上的F1值达81.1％,具备一定的实体关系抽取能力,在不同重叠类型下的F1值均高于78％,能够解决非结构化数据的关系重叠问题,同时在公开数据集NYT上也有良好的表现.

关键词：关系抽取、关系重叠、膨胀卷积神经网络、门控线性单元

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-09-06（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：48-54