《表5 6种富关联关系提取模型在各领域的F1分值》

  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

《领域专业知识富关联关系提取方法》

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

为验证模型的泛化性，本文挑选在Semeval-2010 （Task 8）数据集上表现效果较优的6个模型进行领域专业文献富关联关系提取.由于各领域存在差异性，传统的5种模型未经过领域训练，不同程度上存在领域混淆的情况.而本文模型很大程度上为此类问题提供了解决方案，由于采用各领域知识图谱刻画异构环境中领域知识链路，使得本文的模型可以根据各领域特点挖掘其浅层语义关联关系，并采用分领域多层的注意力机制捕获特定领域实体与特定关系池的注意力.尽管各领域的专业内容结构存在异构性，本模型可根据各领域特点刻画注意力响应机制.由经过优化后成对的基于边缘距离的目标函数中可以看出，模型的收敛效率优于其他模型.由表5的结果可以看出，Domul Att CNN模型在大多数领域下的富关联关系提取是非常有效的，在少数分词较困难领域会出现注意力机制效果不明显的情况.