文章摘要:在知识库构建中，最重要的部分就是提取文本中的三元组，而三元组的提取需要实体抽取和实体关系抽取技术。针对实体抽取提出了一种CWATT-BiLSTM-LSTMd （Character Word Attention-Bidirectional Long Term and Short Term Memory - long short-term memory）模型。该模型可以有效解决实体抽取中一词多义问题，并且可以模拟标签的依赖问题。在实体抽取的基础之上进行实体关系的抽取，为解决实体关系抽取中远程监督的局限性，提出一种基于强化深度学习的RL-TreeLSTM（Reinforcement Learning Tree Long Short Term Memory）模型。该模型分为选择器和分类器，选择器选择有效的句子传入分类器，分类器对句子中实体对的关系标签进行预测。选择器和分类器共同训练以优化选择和分类过程，可以有效降低远程监督带来的噪音。通过实验表明提出的模型和方法能有效地提高实体及其关系的抽取。

文章关键词:

论文分类号:G350;TP391.1

上一篇：科学研究管理论文_《石河子科技》编辑部
下一篇：没有了