文献类型：期刊文章

作　　者：庄传志[1,2] 靳小龙[1,2] 朱伟建[1,2] 刘静伟[1,2] 白龙[1,2] 程学旗[1,2]

ZHUANG Chuanzhi;JIN Xiaolong;ZHU Weijian;LIU Jingwei;BAI Long;CHENG Xue(CAS Key Laboratory of Network Data Science and Technology,Institute of Computing Technology,Chinese Academy of Sciences,Beijing 100190,China;School of Computer and Control Engineering,University of Chinese Academy of Sciences,Beijing 100049,China)

机构地区：[1]中国科学院计算技术研究所,中国科学院网络数据科学与技术重点实验室,北京100190 [2]中国科学院大学计算机与控制学院,北京100049

出　　处：《中文信息学报》

基　　金：国家重点研发计划(2016YFB1000902);国家自然科学基金(61772501,61572473,61572469,91646120)

年　　份：2019

卷　　号：33

期　　号：12

起止页码：1-18

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：关系抽取(RE)是为了抽取文本中包含的关系,是信息抽取(IE)的重要组成部分。近年来,研究人员利用深度学习技术在该领域开展了深入研究。由于神经网络类型丰富,基于深度学习的关系抽取方法也更加多样。该文从关系抽取的基本概念出发,对关系抽取方法依据不同的视角进行了类别划分。随后,介绍了基于深度学习的关系抽取方法常用的数据集,并总结出基于深度学习的关系抽取框架。在此框架下,对关系抽取方法在面向深度学习的输入数据预处理、面向深度学习的神经网络模型设计等方面的具体工作进行了分析与评述,最后对未来的研究方向进行了探讨和展望。

关 键 词：关系抽取 深度学习  远程监督  联合学习  

分 类 号：TP391]