本文選題：關(guān)系抽取　切入點(diǎn)：卷積神經(jīng)網(wǎng)　出處：《計(jì)算機(jī)應(yīng)用研究》2017年03期

【摘要】：針對(duì)實(shí)體關(guān)系抽取任務(wù)中,傳統(tǒng)基于統(tǒng)計(jì)學(xué)習(xí)的方法構(gòu)建特征費(fèi)時(shí)費(fèi)力、現(xiàn)有深度學(xué)習(xí)方法依賴單一詞向量的表征能力的問(wèn)題,提出多通道卷積神經(jīng)網(wǎng)模型。使用不同的詞向量將輸入語(yǔ)句進(jìn)行映射,作為模型不同通道的輸入,然后使用卷積神經(jīng)網(wǎng)自動(dòng)提取特征,通過(guò)softmax分類器輸出關(guān)系類型,完成關(guān)系抽取任務(wù)。與其他模型相比,該模型可以獲取輸入語(yǔ)句更豐富的語(yǔ)義信息,自動(dòng)學(xué)習(xí)出更具有區(qū)分度的特征。在Sem Eval-2010 Task 8數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明提出的多通道卷積神經(jīng)網(wǎng)模型較使用單一詞向量的模型更適合處理關(guān)系抽取任務(wù)。
[Abstract]:In order to solve the problem that the traditional statistical learning method is time-consuming and laborious in entity relation extraction and the existing depth learning methods depend on the representation of a single word vector, a multi-channel convolution neural network model is proposed.The input sentences are mapped by different word vectors as input of different channels of the model. Then the feature is automatically extracted by convolution neural network and the relation type is outputted by softmax classifier to complete the task of relational extraction.Compared with other models, the model can obtain more abundant semantic information of input statements and automatically learn more discriminative features.The experimental results on the Sem Eval-2010 Task 8 dataset show that the proposed multichannel convolution neural network model is more suitable for relation extraction than the one word vector model.
【作者單位】： 中國(guó)科學(xué)院空間信息處理與應(yīng)用系統(tǒng)技術(shù)重點(diǎn)實(shí)驗(yàn)室;中國(guó)科學(xué)院電子學(xué)研究所;中國(guó)科學(xué)院大學(xué);
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61331017,41501485)
【分類號(hào)】：TP391.1;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳明;李明慧;;神經(jīng)網(wǎng)的選擇學(xué)習(xí)算法[J];計(jì)算機(jī)工程與應(yīng)用;1992年08期

2 ;神經(jīng)網(wǎng)圖計(jì)算機(jī)現(xiàn)狀及發(fā)展趨勢(shì)[J];電腦開(kāi)發(fā)與應(yīng)用;1994年03期

3 郭雷;;多層神經(jīng)網(wǎng)的快速學(xué)習(xí)法及邏輯電路實(shí)現(xiàn)[J];信號(hào)處理;1991年03期

4 李為民;陳光(礻禹);虞厥邦;;神經(jīng)網(wǎng)仿真模型在導(dǎo)彈引信中的應(yīng)用[J];制導(dǎo)與引信;1992年01期

5 陳明,李明慧;神經(jīng)網(wǎng)的提示學(xué)習(xí)[J];小型微型計(jì)算機(jī)系統(tǒng);1993年05期

6 張麗華;人工神經(jīng)網(wǎng)研究的剖析與探討[J];湛江水產(chǎn)學(xué)院學(xué)報(bào);1996年01期

7 張蕾;一種離散時(shí)間細(xì)胞神經(jīng)網(wǎng)的設(shè)計(jì)方法[J];北京工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年01期

8 王占杰,侯見(jiàn)丁,郭曉平;神經(jīng)網(wǎng)鍋爐自動(dòng)控制系統(tǒng)[J];節(jié)能;2000年06期

9 張潮海，周其節(jié);一種使用前向神經(jīng)網(wǎng)模型的A／D轉(zhuǎn)換器[J];計(jì)算機(jī)自動(dòng)測(cè)量與控制;1994年04期

10 楊杰,劉志敏,施鵬飛;結(jié)合人工神經(jīng)網(wǎng)和符號(hào)推理的多重故障診斷[J];高技術(shù)通訊;1997年10期

相關(guān)會(huì)議論文 前7條

1 史奎凡;陳月輝;;半自組織人工神經(jīng)網(wǎng)[A];1998年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];1998年

2 鄭安孜;蘇朝墩;;應(yīng)用類神經(jīng)網(wǎng)路于實(shí)驗(yàn)計(jì)劃中具有遺失資料之分析[A];全國(guó)推行全面質(zhì)量管理20周年大會(huì)論文集[C];1999年

3 楊健;吳智銘;;一種人工神經(jīng)網(wǎng)模型及其在專家系統(tǒng)中的應(yīng)用[A];1991年控制理論及其應(yīng)用年會(huì)論文集（下）[C];1991年

4 吳楓;徐近霈;;神經(jīng)網(wǎng)與隱馬爾可夫混合模型的應(yīng)用研究[A];第四屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];1996年

5 邰軍利;查煒光;李安民;張繼武;;頸總動(dòng)脈交感神經(jīng)網(wǎng)剝離術(shù)對(duì)腦癱患兒腦血流及EEG的影響[A];中國(guó)醫(yī)師協(xié)會(huì)神經(jīng)外科醫(yī)師分會(huì)第六屆全國(guó)代表大會(huì)論文匯編[C];2011年

6 邰軍利;g抗，

本文編號(hào)：1697471