基于跨度和边界探测的实体关系联合抽取模型
廖涛
许锦涛
安徽理工大学 计算机科学与工程学院,安徽 淮南 232001
摘要：针对大多数跨度模型将文本分割成跨度序列时,产生大量非实体跨度,导致了数据不平衡和计算复杂度高等问题,提出了基于跨度和边界探测的实体关系联合抽取模型(joint extraction model for entity relationships based on span and boundary detection,SBDM).SBDM 首先使用训练 Transformer 的双向编码器表征量(bidirectional encoder representations from Transformer,BERT)模型将文本转化为词向量,并融合了通过图卷积获取的句法依赖信息以形成文本的特征表示;接着通过局部信息和句子上下文信息去探测实体边界并进行标记,以减少非实体跨度;然后将实体边界标记形成的跨度序列进行实体识别;最后将局部上下文信息融合到 1 个跨度实体对中并使用sigmoid函数进行关系分类.实验表明,SBDM 在 SciERC(multi-task identification of entities,relations,and coreference for scientific knowledge graph construction)数据集、CoNLL04(the 2004 conference on natural language learning)数据集上的关系分类指标SF1分别达到 52.86%、74.47%,取得了较好效果.SBDM用于关系分类任务中,能促进跨度分类方法在关系抽取上的研究.
关键词：实体关系联合抽取句法依赖跨度实体边界图卷积关系分类
分类号：TP391.1(计算技术、计算机技术)
资助基金：国家自然科学基金(62076006)安徽省属高校协同创新项目(GXXT-2021-008)
论文发表日期：2024-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 178-184 )
英文信息