基于标签校正的端到端实体关系联合抽取

重庆理工大学学报（自然科学） ›› 2021, Vol. 35 ›› Issue (10): 163-171.

基于标签校正的端到端实体关系联合抽取

陈鹏之，张瑾，刘悦，程学旗

１．中国科学院计算技术研究所中国科学院网络数据科学与技术重点实验室;２．中国科学院大学

出版日期:2021-11-09 发布日期:2021-11-09
作者简介:陈鹏之，男，硕士研究生，主要从事自然语言处理研究

Online:2021-11-09 Published:2021-11-09

摘要/Abstract

摘要： 随着深度学习的快速发展与应用，联合式抽取被广泛应用于实体抽取和实体间的关系预测。虽然端到端的联合抽取方法在该领域得到了较大关注，但这类方法目前未考虑ｍｕｌｔｉｔｏｋｅｎ实体；同时，抽取过程中忽略了关系预测与实体抽取之间的相互影响。针对以上问题，结合ＥｎｃｏｄｅｒＤｅｃｏｄｅｒ框架的特点，引入标签校正机制，提出了一种基于标签校正的端到端实体关系联合抽取方法ＣｏｐｙＬＣ。实验结果证明：在更严格的评价方式下，所提出的方法与当前主流方法相比，在ＮＹＴ和ＷｅｂＮＬＧ数据集上均能获得更好的抽取效果。

中图分类号:

TP391

. 基于标签校正的端到端实体关系联合抽取[J]. 重庆理工大学学报（自然科学）, 2021, 35(10): 163-171.

[1]	. 融合跨阶段局部网络和空间金字塔池化的YOLOV3目标检测算法[J]. 重庆理工大学学报（自然科学）, 2021, 35(10): 136-143.
[2]	. 基于区块链多链的农产品供应链追溯应用[J]. 重庆理工大学学报（自然科学）, 2021, 35(10): 172-179.
[3]	. 跨社交网络用户身份关联技术[J]. 重庆理工大学学报（自然科学）, 2021, 35(10): 152-162.
[4]	. 一种改进YOLOv３的绝缘子检测方法[J]. 重庆理工大学学报（自然科学）, 2021, 35(10): 187-193.
[5]	陈琼红, 冀杰, 种一帆, 宫铭钱. 基于ＡＯＤＮｅｔ和ＳＳＤ的雾天车辆和行人检测[J]. 重庆理工大学学报（自然科学）, 2021, 35(5): 108-117.
[6]	李昌兵ａ, 段祺俊ａ, 纪聪辉ｂ, 张婷婷ａ. 融合卡方统计和ＴＦ-ＩＷＦ算法的特征提取和短文本分类方法[J]. 重庆理工大学学报（自然科学）, 2021, 35(5): 135-140.
[7]	王卓，黄民，马飞，黄小龙. 基于多阶段ＣＮＮ的双目行人检测测距算法[J]. 重庆理工大学学报（自然科学）, 2021, 35(4): 123-134.
[8]	刘朔，谷玉海，饶文军，王菊远. 基于优化ＹＯＬＯｖ３算法的违章车辆检测方法[J]. 重庆理工大学学报（自然科学）, 2021, 35(4): 135-141.
[9]	孙双林, 杨倩, 张优敏. 应用于图像分割的卷积神经网络参数简化模型[J]. 重庆理工大学学报（自然科学）, 2021, 35(3): 145-151.
[10]	饶文军, 谷玉海, 朱腾腾, 黄艳庭. 基于深度学习的车牌智能识别方法[J]. 重庆理工大学学报（自然科学）, 2021, 35(3): 119-127.
[11]	闫河１, ２, 李焕１, 罗成１. 基于深度学习的罐式炼炉送料口视觉检测与跟踪方法[J]. 重庆理工大学学报（自然科学）, 2021, 35(3): 139-144.
[12]	王华秋1,李鑫2. 门循环单元预测模型在故障诊断中的应用[J]. 重庆理工大学学报（自然科学）, 2021, 35(2): 152-158.
[13]	杨尊俭,张淑军. 基于DTW和CNN的仿真驾驶手势识别及交互[J]. 重庆理工大学学报（自然科学）, 2021, 35(2): 144-151.
[14]	刘超,韩锐,黄贤英,杨宏雨,刘小洋. 网络传销的SIR传播模型[J]. 重庆理工大学学报（自然科学）, 2021, 35(1): 161-167.
[15]	龚昱宁1,张严辞1,2,陈学超2,聂宇2. 基于可控域扭曲和有序抖动降噪的高性能云层湍流渲染[J]. 重庆理工大学学报（自然科学）, 2021, 35(1): 118-128.

基于标签校正的端到端实体关系联合抽取

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10