基于卷积神经网络和关键词策略的实体关系抽取方法研究.pdfVIP

下载本文档

2
0
约3.5万字
约 8页
2017-08-26 发布于湖北
举报
版权申诉

基于卷积神经网络和关键词策略的实体关系抽取方法研究.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第30卷第5期模式识别与人工智能 Vbl．30No．5 2017年5月 PR＆AI Mav2017 基于卷积神经网络和关键词策略的实体关系抽取方法术王林玉1 王莉1 郑婷一1’2 (太原理工大学计算机科学与技术学院晋中030600) 2(山西能源学院电气与动力工程系晋中030600) 摘要针对传统的实体关系抽取方法在定义特征过程中费时且容易造成错误传播，及现有深度学习方法依靠单一词向量学习特征的不足，文中提出基于卷积神经网络和关键词策略的实体关系抽取方法．在原始词向量的基础上，通过基于句子级的关键词抽取算法(TP—ISP)获得类别关键词特征．类别关键词的加入提高类别区分度，同时弥补网络自动学习特征的不足．在网络训练阶段，采用分段最大池化策略，减少传统最大池化策略的信息丢失．实验表明，文中方法有利于提升实体关系抽取结果．关键词卷积神经网络(CNN)，关系抽取，关键词特征，分段最大池化策略 391 DOI 中图法分类号TP 10．16451／j．cnki．issnl003-6059．201705009 引用格式王林玉，王莉，郑婷一．基于卷积神经网络和关键词策略的实体关系抽取方法．模式识别与人工智能， 2017，30(5)：465—472． RelationExtraction Entity BasedonConvolutionalNeuralNetworkand KeywordsStrategy WANG Lil，ZHENGTingyil2 Linyul，WANG Scienceand 030600) (CollegeofComputer Technology，TaiyuanUniversityofTechnology，Jinzhong ElectricalandPower Institute 030600) 2(Departmentof Engineering，ShanxiofEnergy，Jinzhong ABSTRACT Theconventionalrelationextractionmethodsaretime error infeature consuming，thepropagation selectionis to the methods onword tolearn likelyemerge，anddeeplearning onlydepend embeddings atthese relationextractionmethodbasedonconvolutionalneuralnetwork problems，a features．Aiming and is onfeatureoftheword featureis