基于深度学习的有监督实体关系抽取方法对比研究
王鼎乾
胡卓涵
黄政龙
梁倩倩
黄岚
长江大学计算机科学学院 湖北荆州434023
摘要：系统揭示深度学习主流模型的原理,并探究其在有监督实体关系抽取任务中的效果差异.对目前的主流技术范式、关键技术、研究进展和存在的问题进行了分析总结,然后以有监督的实体关系抽取任务为基础,对比研究了几种典型的深度学习模型和预训练语言模型,对其有效性进行了实验分析.不同模型关系抽取准确率在关系种类上的分布也有较大差异,BERT模型在标准数据集上取得的F1值高于基于CNN和基于PCNN的模型,同时具备更好的鲁棒性.BERT模型的整体性能优于其他两种模型,能适用于更普遍的情况.
关键词：自然语言处理关系抽取神经网络深度学习
资助基金：长江大学大学生创新创业训练计划(2019173)
论文发表日期：2021-07-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 25-28 )