摘要：隨著深度學(xué)習(xí)的發(fā)展,越來越多的深度學(xué)習(xí)模型被運(yùn)用到了關(guān)系提取的任務(wù)中,但是傳統(tǒng)的深度學(xué)習(xí)模型無法解決長距離依賴問題;同時(shí),遠(yuǎn)程監(jiān)督將會(huì)不可避免地產(chǎn)生錯(cuò)誤標(biāo)簽。針對(duì)以上兩個(gè)問題,提出一種基于GRU(gated recurrent unit)和注意力機(jī)制的遠(yuǎn)程監(jiān)督關(guān)系抽取方法。首先通過使用GRU神經(jīng)網(wǎng)絡(luò)來提取文本特征,解決長距離依賴問題;接著在實(shí)體對(duì)上構(gòu)建句子級(jí)的注意力機(jī)制,減小噪聲句子的權(quán)重;最后在真實(shí)的數(shù)據(jù)集上,通過計(jì)算準(zhǔn)確率、召回率并繪出PR曲線證明該方法與現(xiàn)有的一些方法相比,取得了比較顯著的進(jìn)步。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
