我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

基于Gate-ResNet-D模型的远程监督关系提取方法 下载：31 浏览：351

袁祯祺1 宋威1 陈璟1，2 《中文研究》 2019年5期

摘要:
在实体关系抽取任务中，通常采用远程监督(distant supervision，DS)数据集，远程监督方法能通过大规模语料库自动标注数据来扩张数据集，但这无疑会使数据集充满大量的噪声。为此，该文将深度残差网络(deep residual network，ResNet)应用到关系提取的远程监督数据集上，通过加深网络层数来提高模型降噪能力。同时，提出了Gate模块，有效提高了深度残差网络的性能。该模块可以学习到每个特征通道的重要性，通过权重增强或抑制各个特征通道的比重，从而防止过拟合。另外，为了进一步解决数据集降噪问题，还提出了一种双池化层的池化层新方案。实验结果表明所提方法相比于目前效果较好的PCNN+ATT模型，在准确率和召回率上都有3%左右的提升。

家谱文本中实体关系提取方法研究 下载：33 浏览：310

任明1 许光2 王文祥2 《当代中文学刊》 2020年10期

摘要:
实现家谱资源的高效的组织和利用,需要从非结构化的家谱文本中提取实体及关系,进行结构化的表示。实体和关系的提取通常被作为序列标注任务来解决,输入的句子被映射到标签序列。针对家谱文本中实体和关系高度密集、关系重叠很常见的特点,该文构建了相应的概念模型来指导整个提取过程。在序列标注部分,该文在真实数据上检验了常用的深度学习模型的表现。实验结果显示,BERT-BiLSTM-CRF模型的精确率、召回率和F1值均优于所对比的其他模型,该文所提出的方法能够有效地解决家谱文本中的实体关系提取问题。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享