《表1 有监督实体关系抽取的经典模型》
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。
图表编号 | XD00163019200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.15 |
作者 | 王传栋、徐娇、张永 |
绘制单位 | 南京邮电大学计算机学院、南京邮电大学计算机学院、南京邮电大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |