文献类型：期刊文章

作　　者：李枫林[1] 柯佳[1,2]

机构地区：[1]武汉大学信息管理学院,湖北武汉430072 [2]武汉华夏理工学院,湖北武汉430223

出　　处：《情报科学》

年　　份：2018

卷　　号：36

期　　号：3

起止页码：169-176

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2017_2018、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：【目的/意义】从大量非结构化文本中抽取出结构化的实体及其关系,是优化搜索引擎、建立知识图谱、开发智能问答系统的基础工作。【方法/过程】介绍了深度学习框架下不同神经网络模型实现实体关系抽取的方法,比较了各种模型的优劣势,结合远程监督和注意力机制进一步提高关系抽取性能,最后指出了深度学习模型的不足及未来发展方向。【结果/结论】实验发现,卷积神经网络擅长捕获句子局部关键信息,循环神经网络擅长捕获句子的上下文信息,能反映句子多个实体之间的高阶关系,递归神经网络适合短文本的关系抽取。如果模型能结合自然语言的先验知识,实体关系抽取将会取得更好的效果。

关 键 词：深度学习  神经网络 实体关系抽取 词向量  

分 类 号：G250.7[图书情报与档案管理类]