基于GRU和注意力机制的远程监督关系抽取

分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-06-19 合作期刊: 《计算机应用研究》

黄兆玮 常亮 宾辰忠 孙彦鹏 孙磊

摘要： 随着深度学习的发展，越来越多的深度学习模型被运用到了关系提取的任务中，但是传统的深度学习模型无法解决长距离依赖问题；同时，远程监督将会不可避免地产生错误标签，针对这两个问题，提出一种基于GRU（gated recurrent unit）和注意力机制的远程监督关系抽取方法，首先通过使用GRU神经网络来提取文本特征，解决长距离依赖问题；接着在实体对上构建句子级的注意力机制，减小噪音句子的权重；最后在真实的数据集上，通过计算准确率、召回率，绘出PR曲线证明该方法与现有的一些方法相比，取得了比较显著的进步。

 点击量 1773  下载量 1056  评论