文章摘要:实体中关系抽取是通过抽取句子中实体之间的关系类别，针对提取特征表达在传递过程中消退，句子中实体与句子之间的关联关系问题，提取特征噪声问题以及忽略了实体与关系表现的问题，提出了一种残差（ResNet）BiLSTM句袋内与句袋间注意力机制的关系抽取方法。引入残差连接可以有效地将提取到的句子特征进行特征信息采集，使句子特征信息在传递过程中保留句子前后传递过程中的特征信息，减少句子特征在传递过程中的退化问题，使提取的句子特征信息能够更好的保留。BiLSTM让句子更好地充分利用句子特征信息进行识别与训练实例，也能更好地解决长期依赖和反向特征依赖问题。使用句袋内注意力机制可以更好地识别实体与关系，让正确的关系跟实体之间赋予更高地权重，让正向实体与关系增强。句袋间注意力机制在提取句子中的关系时减少噪声句袋的问题，让正确的句袋更好地表征句子实体与关系。在纽约时报（New York Time， NYT）数据集上实验表明，该模型的性能得到了显著提高，使F平均值达到86.2%，使其达到更好的远程监督关系抽取性能。

文章关键词:

项目基金: 上一篇：计算机软件及计算机应用论文_中值直方图均衡的
下一篇：无线电电子学论文_电子信息技术在计算机工程管