購物車(0)
融合對抗訓(xùn)練的端到端知識三元組聯(lián)合抽取
關(guān)鍵詞：知識圖譜 知識三元組抽取 對抗訓(xùn)練 端到端網(wǎng)絡(luò) 標(biāo)注策略
摘要：知識圖譜作為一種有效表示現(xiàn)實世界的系統(tǒng)受到學(xué)術(shù)界和工業(yè)界廣泛關(guān)注,并由于其精準(zhǔn)表示知識的能力被廣泛應(yīng)用于信息服務(wù)、智慧搜索、自動問答等上層應(yīng)用.知識圖譜的核心為三元組形式的實體和關(guān)系.現(xiàn)有知識圖譜遠不足以描述現(xiàn)實世界,因此,如何通過實體關(guān)系抽取方法來補全或者構(gòu)建新的知識圖譜顯得至關(guān)重要.傳統(tǒng)流水線式的實體關(guān)系抽取方法會導(dǎo)致誤差傳遞,而已有的聯(lián)合抽取沒有充分考慮命名實體識別與關(guān)系抽取之間的聯(lián)系,從而降低抽取效果.針對上述問題,對知識三元組抽取方法進行了深入研究,提出了一種融合對抗訓(xùn)練的端到端知識三元組聯(lián)合抽取方法.首先,采用了一種實體關(guān)系聯(lián)合標(biāo)注策略,通過端到端的神經(jīng)網(wǎng)絡(luò)抽取文本語義特征,并對文本進行自動標(biāo)注;其次,模型在神經(jīng)網(wǎng)絡(luò)中加入自注意力機制增強對文本信息的編碼能力,并通過引入帶偏置項的目標(biāo)函數(shù)提高對相關(guān)聯(lián)實體的辨識能力;最后,模型融合了對抗訓(xùn)練以提高魯棒性,改進抽取效果.在實驗部分,采用4種分析方法和3種評價指標(biāo)對模型性能進行評價分析,實驗結(jié)果證明了模型在知識抽取上的性能明顯優(yōu)于現(xiàn)有方法.
計算機研究與發(fā)展雜志要求:
{1}摘要200字左右，應(yīng)具有獨立性和自明性，闡明撰寫該文的目的、方法、結(jié)論并體現(xiàn)出原創(chuàng)性，不加引注。
{2}來稿請恪守學(xué)術(shù)道德，嚴禁抄襲。
{3}來稿經(jīng)審查后,編輯部有權(quán)對來稿作適當(dāng)文字修改.來稿不退,請作者自留底稿。
{4}間接引文通常以“參見”或“詳見”等引領(lǐng)詞引導(dǎo)，反映出與正文行文的呼應(yīng)，標(biāo)注時應(yīng)注出具體參考引證的起止頁碼或章節(jié)。標(biāo)注項目、順序與格式同直接引文。
{5}本期刊的文獻引證方式均采用頁下注（腳注），采用小五號宋體，每頁單獨編號，注釋中卷次、出版時間、刊期、頁碼一律用阿拉伯?dāng)?shù)字表示。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
