典型文献
融合预训练语言模型和标签依赖知识的关系抽取方法
文献摘要：
关系抽取旨在从未经标注的自由文本中抽取实体间的关系.然而,现有的方法大都孤立地预测每一个关系而未考虑关系标签相互之间的丰富语义关联.该文提出了一种融合预训练语言模型和标签依赖知识的关系抽取模型.该模型通过预训练模型BERT编码得到句子和两个目标实体的语义信息,使用图卷积网络建模关系标签之间的依赖图,并结合上述信息指导最终的关系分类.实验结果显示,该文方法性能相较于基线方法得到了显著提高.
文献关键词：
关系抽取;预训练模型;标签依赖;图卷积神经网络
中图分类号：
作者姓名：
赵超;谢松县;曾道建;郑菲;程琛;彭立宏
作者机构：
长沙理工大学计算机与通信工程学院,湖南长沙410114;湖南数定智能科技有限公司,湖南长沙410003;湖南师范大学智能计算与语言信息处理湖南省重点实验室,湖南长沙410081;广州市公安局指挥中心情报信息处,广东广州510030
文献出处：
引用格式：
[1]赵超;谢松县;曾道建;郑菲;程琛;彭立宏-.融合预训练语言模型和标签依赖知识的关系抽取方法)[J].中文信息学报,2022(01):75-82
A类：
标签依赖
B类：
预训练语言模型,关系抽取,从未,立地,相互之间,富语义,语义关联,取模,预训练模型,BERT,句子,两个目标,语义信息,图卷积网络,网络建模,依赖图,关系分类,图卷积神经网络
AB值：
0.311288
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
