《表1 有监督实体关系抽取的经典模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《实体关系抽取综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于深度学习的有监督实体关系抽取根据实体识别和关系检测两个子任务完成顺序的不同，可细分为流水线方法和联合抽取方法。其中流水线学习方法是在实体已被标注的数据基础上进行实体间关系的抽取，联合学习方法是同时进行实体识别和实体关系抽取任务[42]。表1中整理了深度学习框架下有监督关系抽取经典方法，其中的模型主要是基于现有CNN、RNN、LSTM改进输入特征或网络结构，比如添加不同特征、结合多种Attention机制和引入依存树挖掘更深层次语义信息来提升模型的性能。随着图卷积神经网络的兴起，因其在处理异构数据所具备的天然优势，许多学者尝试引入GCN来学习依存树中蕴含的丰富信息。基于特征组合的关系抽取方法均赖于其他特征工具包，另外很多模型将关系抽取建模为单标记问题，无法解决样本中关系重叠问题。下面对相关模型进行深入研究和分析。