文献类型：期刊文章

作　　者：王丽客[1,2] 孙媛[1,2] 刘思思[1,2]

WANG Like;SUN Yuan;LIU Sisi(School of Information Engineering,Minzu University of China,Beijing 100081,China;National Language Resource and Monitoring and Research Center of Minority Languages,Minzu University of China,Beijing 100081,China)

机构地区：[1]中央民族大学信息工程学院,北京100081 [2]中央民族大学国家语言资源监测与研究少数民族语言中心,北京100081

出　　处：《智能科学与技术学报》

基　　金：国家自然科学基金资助项目(No.61972436)。

年　　份：2021

卷　　号：3

期　　号：4

起止页码：466-473

语　　种：中文

收录情况：普通刊

摘　　要：与中英文相比,藏文实体关系训练语料规模较小,传统有监督的学习方法难以获得较高的准确率。针对基于远程监督的实体关系抽取存在错误标记的问题,利用远程监督方法将知识库与文本对齐,构建藏文实体关系抽取的数据集,提出一个基于多级注意力融合机制的藏文实体关系抽取模型。在词级别引入自注意力机制来提取单词的内部特征,在句子级别引入注意力机制为每个实例分配权重,从而充分利用包含信息的句子,减少噪声实例的权重。同时引入联合评分函数,修正远程监督的错误标签,并将神经网络与支持向量机结合,实现藏文实体关系分类。实验结果表明,提出的模型有效提高了藏文实体关系抽取的准确率,且优于基线模型效果。

关 键 词：藏文 实体关系抽取 多级注意力融合机制  支持向量机

分 类 号：TP3[计算机类]