基于多通道卷积神经网的实体关系抽取.pdf

第34卷第3期 计 算 机 应 用 研 究 Vo1．34No．3 2017年 3月 ApplicationResearchofComputers Mar．2017 基于多通道卷积神经网的实体关系抽取 肜博辉 ，付 琨 ，黄 宇 ，王 洋 (1．中国科学院空间信息处理与应用系统技术重点实验室，北京 100190；2．中国科学院电子学研究所，北京 100190；3．中国科学院大学，北京 100190) 摘 要：针对实体关系抽取任务中，传统基于统计学习的方法构建特征费时费力、现有深度学习方法依赖单一词 向量的表征能力的问题，提出多通道卷积神经网模型。使用不同的词向量将输入语句进行映射，作为模型不同通 道的输入 ，然后使用卷积神经网自动提取特征 ，通过 softmax分类器输出关系类型，完成关系抽取任务。与其他模 型相比，该模型可以获取输入语句更丰富的语义信息，自动学习出更具有区分度的特征。在SemEval一2010Task8 数据集上的实验结果表明提出的多通道卷积神经网模型较使用单一词向量的模型更适合处理关系抽取任务。 关键词：关系抽取；卷积神经网；深度学习；多通道 中图分类号：TP183 文献标志码：A 文章编号 ：1001—3695(2017)03—0689—04 doi：10．3969／j．issn．1001-3695．2017．03．011 Relationextractionbasedonmulti—channe1c0nv0luti0na1neuralnetwork RongBohui， ，FuKunl-，HuangYu ，WangYang (1．CASKeyLaboratoryof却atialInformationProcessing＆AppliedSystemTechnology，Beijing100190，China；2．InstituteofElectronics，Chi— neseAcademyofSciences，Beijing100190，China；3．UniversityofChineseAcademyofSciences，Bejiing100190，China) Abstract：Inthetaskofrelationextraction．traditionalstatisticalmethodshavedifficuhiesingettingperfectfeaturesmanually． whiledeeplearningmethodsstronglydependontherepresentati0nalcapacityofsinglewordvector．Tosolvetheproblemsmen— tionedabove，thispaperproposedanovelmodelcalledmulti—channelconvolutionalneur~network(CNN)．Firstly，themodel useddifferentWOrdvectorstorepresentsentenceasinputfordifferentchannels．Secondly，itextractedfeaturesautomatically throughCNN．Finally，itobtainedrelationtypesbyusingsoftmaxclassifier．Theproposedmodelcouldcapturemoresemantic informationthusitlearnedmoredistinctivefeaturesautomaticallycomparingtoothermodels．TheexperimentresultsonSeniE— val-2010Task8datasetsshowthattheproposedmodeliSmoresuitableforrelationextractiontaskthannormalmodelswhich onlyutilizesinglewordvector．