结合强化学习和DenseNet的远程监督关系抽取模型.pdfVIP

第４１卷第２期计算机应用与软件Ｖｏｌ４１Ｎｏ．２

２０２４年２月ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅＦｅｂ．２０２４

结合强化学习和ＤｅｎｓｅＮｅｔ的远程监督关系抽取模型

１１２１

冯轩闻袁新瑞孙霞高厦

１（西北大学网络和数据中心陕西西安７１０１２７）

２（西北大学信息科学与技术学院陕西西安７１０１２７）

摘要关系抽取是信息获取领域的重要任务之一。为了更好地解决数据集中的噪声问题和句子深层次语义

表征，提出一种结合强化学习和密集连接卷积神经网络的远程监督关系抽取模型，模型分为句子选择器和关系分

类器。在句子选择器中，基于强化学习的方法能有效过滤噪声语句，提升输入数据质量；在关系分类器中，通过

ＤｅｎｓｅＮｅｔ深层网络中的特征复用，学习更丰富的语义特征。在ＮＹＴ数据集上的实验结果表明句子选择器能够有

效过滤噪声，该模型的关系抽取性能相比基线模型得到有效提高。

关键词关系抽取远程监督强化学习卷积神经网络密集连接

中图分类号ＴＰ１８３ＴＰ３文献标志码ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０２４．０２．０２０

ＤＩＳＴＡＮＴＳＵＰＥＲＶＩＳＩＯＮＲＥＬＡＴＩＯＮＥＸＴＲＡＣＴＩＯＮＣＯＭＢＩＮＩＮＧ

ＲＥＩＮＦＯＲＣＥＭＥＮＴＬＥＡＲＮＩＮＧＡＮＤＤＥＮＳＥＮＥＴ

１１２１

ＦｅｎｇＸｕａｎｗｅｎＹｕａｎＸｉｎｒｕｉＳｕｎＸｉａＧａｏＳｈａ

１（ＮｅｔｗｏｒｋａｎｄＤａｔａＣｅｎｔｅｒ，ＮｏｒｔｈｗｅｓｔＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ７１０１２７，Ｓｈａａｎｘｉ，Ｃｈｉｎａ）

２（ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，ＮｏｒｔｈｗｅｓｔＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ７１０１２７，Ｓｈａａｎｘｉ，Ｃｈｉｎａ）

ＡｂｓｔｒａｃｔＲｅｌａｔｉｏｎｅｘｔｒａｃｔｉｏｎｉｓａｎｉｍｐｏｒｔａｎｔｔａｓｋｉｎｔｈｅｆｉｅｌｄｏｆｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎ．Ｉｎｏｒｄｅｒｔｏｂｅｔｔｅｒｓｏｌｖｅｔｈｅ

ｎｏｉｓｅｐｒｏｂｌｅｍａｎｄｄｅｅｐｓｅｍａｎｔｉｃｒｅｐｒｅｓｅｎｔａｔｉｏｎｏｆｓｅｎｔｅｎｃｅｓｉｎｔｈｅｄａｔａｓｅｔ，ａｄｉｓｔａｎｔｓｕｐｅｒｖｉｓｉｏｎｒｅｌａｔｉｏｎｅｘｔｒａｃｔｉｏｎ

ｍｏｄｅｌｃｏｍｂｉｎｉｎｇｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇａｎｄｄｅｎｓｅｌｙｃｏｎｎｅｃｔｅｄｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋｓ（ＤｅｎｓｅＮｅｔ）ｉｓｐｒｏｐｏｓｅｄ，ｗｈｉｃｈｉｓ

ｄｉｖｉｄｅｄｉｎｔｏｓｅｎｔｅｎｃｅｓｅｌｅｃｔｏｒａｎｄｒｅｌａｔｉｏｎｃｌａｓｓｉｆｉｅｒ．Ｉｎｔｈｅｓｅｎｔｅｎｃｅｓｅｌｅｃｔｏｒ，ｔｈｅｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇｍｅｔｈｏｄｃｏｕｌｄ

ｓｅａｒｃｈｆｏｒｎｏｉｓｙｓｅｎｔｅｎｃｅｓａｎｄｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｔｈｅｑｕａｌｉｔｙｏｆｉｎｐｕｔｄａｔａ．Ｉｎｔｈｅｒｅｌａｔｉｏｎｃｌａｓｓｉｆｉｅｒ，ＤｅｎｓｅＮｅｔｃｏｕｌｄ

ｒｅａｌｉｚｅｆｅａｔｕｒｅｒｅｕｓｅａｎｄｌｅａｒｎｒｉｃｈｅｒｓｅｍａｎｔｉｃｆｅａｔｕｒｅｓ．ＴｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｎｔｈｅＮＹＴｄａｔａｓｅｔｐｒｏｖｅｔｈａｔｔｈｅ

ｓｅｎｔｅｎｃｅｓｅｌｅｃｔｏｒｃａｎｅｆｆｅｃｔｉｖｅｌｙｆｉｌｔｅｒｎｏｉｓｅ，ａｎｄｔｈｅｒｅｌａｔｉｏｎｅｘｔｒａｃｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｍｏｄｅｌｉｓｂｅｔｔｅｒｔｈａｎｔｈｅ

ｂａｓｅｌｉｎｅｍｏｄｅｌ．

ＫｅｙｗｏｒｄｓＲｅｌａｔｉｏｎｅｘｔｒａｃｔｉｏｎＤｉｓｔａｎｔｓｕｐｅｒｖｉｓｉｏｎＲｅｉｎｆｏｒ