基于双向LSTM和GBDT的中医文本关系抽取模型-ChinaXiv.PDFVIP

/article/02-2019-12-052.html 计算机应用研究 基于双向LSTM 和GBDT 的中医文本关系抽取模型 * 罗计根，杜建强，聂 斌，熊旺平，刘 蕾，贺 佳† (江西中医药大学 计算机学院, 南昌 330004) 摘 要：为解决采用 Softmax 作为长短期记忆网络分类器导致实体关系识别模型泛化能力不足，不能较好适用中医实 体关系抽取等问题，提出一种融合梯度提升树的双向长短期记忆网络的关系识别算法(BILSTM-GBDT) 。先采用 word2vec 对中医文本进行向量化表示，再利用基于注意力机制的双向长短期记忆网络提取高阶特征，最后采用集成分 类模型梯度提升树作为特征分类器，提高关系识别效果。在中医等多个关系语料库上的实验结果表明，该模型与传统 SVM GBDT F 方