- 1、本文档共52页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、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。
- 7、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。
- 8、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
摘要
基于深度学习的关系抽取研究
人工智能的蓬勃发展不仅带来了技术的革新,同时也使得人们每天接触到大
量的数据,如何分析和利用这些数据并将相关信息反馈给用户成为一大难题。这
些数据中有很大一部分是以文本形式存在的非结构化数据,作为有效处理文本数
据的自然语言处理技术,借助机器学习和神经网络等方法进一步理解和分析文本
数据,从而提取到有价值的信息。经过近20年的迅速发展与沉淀,自然语言处
理的相关技术研究已日趋成熟,而信息抽取技术在该领域中处于基础性且关键性
的地位,针对信息抽取的相关研究早已成为该领域的研究热点。
本课题正是在这样的研究背景下,针对关系抽取任务进行了专门的研究。借
助深度学习的兴起,本文采用近两年处于研究热点的预训练语言模型,在关系抽
取任务的数据集上对模型进行微调。本文借用了对比学习的框架,分别利用有监
督和少样本关系抽取的数据集生成对应的关系对比样本,并利用交叉熵损失进行
训练。本文创新性地提出了融合上下文和实体信息的方法,将模型学习到的表层
特征和语义特征融合到一起,提升了关系抽取模型的性能。此外,本文提出了自
适应利用预训练模型权重参数的策略,更好的利用了模型中高层的语义信息,进
一步提升了关系抽取模型的效果。
本文对提出的方法进行了大量的消融实验,并与传统的CNN模型进行对比,
实验结果表明,充分的学习到关系语句的上下文信息和实体位置及实体类型的特
征信息对于关系抽取模型的效果有一定的提升,有监督任务F1值提升7.87%,
少样本任务F1值提升7.52%。针对预训练模型各层参数的重要性程度进行分析,
逐个选取BERT模型的各个隐藏层输出作为关系表示进行实验。结果表明预训练
模型的高层的语义信息特征对于关系抽取任务有很重要的影响,且表明本文提出
的自适应利用预训练模型权重参数的方法可以促进关系抽取效果的提升。
关键词:
关系抽取,预训练模型,对比学习,BERT
Abstract
Researchonrelationextractionbasedondeeplearning
Thevigorousdevelopmentofartificialintelligencenotonlybringsabout
technologicalinnovation,butalsomakespeoplecomeintocontactwithalargeamount
ofinformationeveryday.Howtoanalyzeandutilizethesedataandfeedbackrelevant
informationtousershasbecomeabigproblem.Alargepartofthesedataisunstructured
dataintheformoftext.Naturallanguageprocessingtechnology,whichiseffectivein
processingtextualinformation,canrelyonmachinelearningandneuralnetwork
technologiestofurtherunderstandandanalyzetextualinformation,soastoextract
valuableinformation.Afternearly20yearsofrapiddevelopmentandprecipitation,the
researchofnaturallanguageprocessinghasbecomeincreasinglymature,and
informationextractiontechnologyisinafundamentalandcriticalpositioninthisfield,
andtheresearchrelatedtoinformatione
您可能关注的文档
最近下载
- 2023-2024学年牛津上海版(试用本)四年级英语第一学期期中测试卷含答案.pdf VIP
- 医疗废物规范管理课件课件.ppt
- 2024年辽河油田分公司秋季高校毕业生招聘备考试题及答案解析.docx
- 2021-2022学年上海市宝山区九年级(上)期中化学试卷(附答案详解).docx
- 设计服务工作应急保障方案.doc
- 主题5:学校生活类20篇(解析版)-备战2022年新高考英语读后续写主题分类专项汇编.docx
- GB∕T 15067.2-2016 不锈钢餐具行业标准.docx VIP
- 病历书写规范培训试题.docx VIP
- 形考作业2:实训5 设计制作App项目图标组.doc
- 从-四个意识-方面剖析政治方面产生问题原因.docx VIP
文档评论(0)