基于图神经网络的开放域信息抽取方法研究与应用.pdfVIP

摘要

摘要

信息抽取是自然语言处理领域的重要研究方向，该任务旨在从大规模非结构

化文本数据中自动发现和识别实体之间语义关系，从而挖掘和利用文本中的知识

和信息。由于不受特定领域或主题的限制，开放域信息抽取在面对海量的网络数

据和复杂的需求表现出了更强大的能力。然而，受限于语义理解困难、句子结构

复杂以及数据多样等特点，开放域信息抽取在实际研究和应用中仍然面临一些挑

战和难点。本文基于图神经网络和预训练模型，重点研究了实体关系抽取和开放

域信息抽取算法，并将研究结果应用于网络百科领域，设计并实现了网络百科信

息抽取系统。本文的主要工作内容和创新点如下：

1.提出了一种基于对比学习的实体关系抽取模型CGRE。本模型将实体关系

抽取任务转化为SPO三元组的抽取问题。模型包括编码器和解码器两部分，编码

器由预训练模型BERT和对比损失层组成。解码器是由位置嵌入层和多个全局标

注指针网络组成的分类器。通过在英文数据集NYT以及中文数据集LIC2019上的

0.86%0.81%0.41%0.86%F1

实验，其精确率分别提高和，召回率提高和，分数提

高0.64%和1.03%。结果表明本模型相比其他方法均有一定提升，也证明本文采用

的网络结构在实体关系抽取上的有效性。

2.提出了一种基于图神经网络的开放域信息抽取算法RDOIE。本模型将开放

信息抽取任务转化为跨度提取任务。模型包括编码器和解码器两部分，其中编码

器包括上下文编码层和图嵌入层，解码器由双仿射网络和多个全连接网络组成。

SpanSAOKECOER

模型在两份中文公开开放域信息抽取数据集和上分别进行了

训练和测试，其精确率分别提高1.72%和3.42%，召回率提高2.11%和2.29%，F1

分数提高2.70%和2.87%。结果表明本模型相比其他方法均有一定提升，也结果证

明了本算法能够有效地解决在没有预先定义关系信息的开放域信息抽取问题。

3.将实体关系抽取算法CGRE和开放信息抽取算法RDOIE应用到网络百科

领域，基于B/S架构设计并实现了网络百科信息抽取系统。通过输入的词条或文

本进行处理与扩展，实现义项派生，关系抽取和信息抽取功能，从网络百科获取

更丰富的信息。实验选取了OpenKG发布的中文词网知识库数据进行测试并进行

了结果的展示。证明该系统具有一定的使用价值。

关键词：开放域信息抽取，图神经网络，预训练模型，关系抽取，对比学习

I

ABSTRACT

ABSTRACT

Informationextractionisanimportantresearchdirectioninthefieldofnatural

languageprocessing,whichaimstoautomaticallydiscoverandrecognizesemantic

relationshipsbetweenentitiesfromlarge-scaleunstructuredtextdata,therebymining

andutilizingknowledgeandinformationinthetext.Duetobeingnotlimitedby

specificfieldsortopics,opendomaininformationextractionhasdemonstratedstronger

capabilitiesinthefaceofmassivenetworkdataandcomplexrequirements.However,

duetodiffi