文献类型：期刊文章

作　　者：陈佳沣[1] 滕冲[1]

CHEN Jiafeng;TENG Chong(School of Cyber Science and Engineering,Wuhan University,Wuhan Hubei 430072,China)

机构地区：[1]武汉大学国家网络安全学院

出　　处：《计算机应用》

基　　金：国家自然科学基金面上项目(61772378)~~

年　　份：2019

卷　　号：39

期　　号：7

起止页码：1918-1924

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对现有的基于远程监督的实体和关系抽取方法存在着标签噪声问题,提出了一种基于强化学习的实体关系联合抽取方法。该模型有两个模块:句子选择器模块和实体关系联合抽取模块。首先,句子选择器模块选择没有标签噪声的高质量句子,将所选句子输入到实体关系联合抽取模型;然后,实体关系联合抽取模块采用序列标注方法对输入的句子进行预测,并向句子选择器模块提供反馈,指导句子选择器模块挑选高质量的句子;最后,句子选择器模块和实体关系联合抽取模块同时训练,将句子选择与序列标注一起优化。实验结果表明,该模型在实体关系联合抽取中的F1值为47.3%,与CoType为代表的联合抽取模型相比,所提模型的F1值提升了1%;与LINE为代表的串行模型相比,所提模型的F1值提升了14%。结果表明强化学习结合实体关系联合抽取模型能够有效地提高序列标注模型的F1值,其中句子选择器能有效地处理数据的噪声。

关 键 词：强化学习  联合抽取  序列标注  命名实体识别 关系分类  

分 类 号：TP389.1]