作戰(zhàn)文書具有實(shí)體名稱復(fù)雜多樣但結(jié)構(gòu)規(guī)范的特點(diǎn),并且在句子中有大量的重疊實(shí)體關(guān)系。對(duì)于作戰(zhàn)文書的知識(shí)抽取,現(xiàn)有的方法中采用的流水線模型有誤差傳播以及關(guān)系冗余的問(wèn)題造成關(guān)系抽取能力較差,并且現(xiàn)有的流水線模型無(wú)法抽取作戰(zhàn)文書中復(fù)雜的重疊實(shí)體關(guān)系。針對(duì)這些問(wèn)題,文中提出了一種基于序列生成模型并結(jié)合位置注意力機(jī)制的實(shí)體與關(guān)系聯(lián)合抽取模型。通過(guò)使用作戰(zhàn)文書作為數(shù)據(jù)集并與其他知識(shí)抽取模型做對(duì)比實(shí)驗(yàn),論文模型既提高了識(shí)別非重疊實(shí)體關(guān)系的準(zhǔn)確率,又實(shí)現(xiàn)了對(duì)重疊實(shí)體關(guān)系的抽取,從而提高了作戰(zhàn)文書知識(shí)抽取的整體效果。

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

圖1重疊實(shí)體關(guān)系示例2本文模型描述

司?鋁煊虻墓叵搗擲嚳椒ā?以上關(guān)于軍事知識(shí)抽取的模型均屬于流水線模型。然而流水線模型有一些共同的問(wèn)題：由于關(guān)系抽取是建立在實(shí)體識(shí)別的結(jié)果上的，所以實(shí)體識(shí)別的誤差會(huì)傳遞到關(guān)系抽取中，對(duì)關(guān)系抽取造成較大的影響。另外，現(xiàn)有的關(guān)系抽取模型大多側(cè)重于在一個(gè)句子中處理單個(gè)關(guān)系的場(chǎng)景，但在一個(gè)....

圖3輸入語(yǔ)句的全局位置與相對(duì)位置

的啟發(fā)對(duì)位置向量進(jìn)行處理。由于作戰(zhàn)文書中比較固定的句式，部隊(duì)名稱這種命名實(shí)體一般會(huì)出現(xiàn)在句子的開頭，軍事任務(wù)這種命名實(shí)體一般會(huì)出現(xiàn)在句子的末尾，因此詞語(yǔ)在句子中的全局位置就帶有一定規(guī)律，通過(guò)加入詞語(yǔ)的全局位置向量可以增強(qiáng)模型中注意力機(jī)制的效果。另一方面，對(duì)于關(guān)系抽取來(lái)說(shuō)，句子中詞....

圖4抽取重疊實(shí)體關(guān)系測(cè)試從圖4中可以發(fā)現(xiàn)隨著一個(gè)句子中包含關(guān)系

總第310期4以及大于等于5的重疊實(shí)體關(guān)系數(shù)。最終測(cè)試結(jié)果如圖4所示。圖4抽取重疊實(shí)體關(guān)系測(cè)試從圖4中可以發(fā)現(xiàn)隨著一個(gè)句子中包含關(guān)系的數(shù)量的增加，關(guān)系抽取的性能也就逐漸下降。但是當(dāng)句子有重復(fù)的一到三個(gè)關(guān)系三元組時(shí)，本文模型仍能保持一定的準(zhǔn)確率，當(dāng)重復(fù)關(guān)系數(shù)大于4時(shí)，關(guān)系抽取的能力....

圖5總體指標(biāo)對(duì)比由于本文并未將實(shí)體識(shí)別的誤差引入到關(guān)系

是朱等［8］使用的BiLSTM-ATT模型，該模型通過(guò)BiLSTM層提取句子特征，經(jīng)過(guò)語(yǔ)義注意力機(jī)制層后輸入到分類器中實(shí)現(xiàn)了軍事文本關(guān)系抽齲由于這兩種模型都是關(guān)系分類模型，沒有識(shí)別重疊實(shí)體關(guān)系的能力，因此本文將作戰(zhàn)文書數(shù)據(jù)集中的非重疊實(shí)體關(guān)系句作為訓(xùn)練和測(cè)試集。在非重疊實(shí)體關(guān)系句....

本文編號(hào)：3947858