基于多特征融合的文本关系抽取研究
解文康
三峡大学湖北省水电智能视觉监测重点实验室 湖北宜昌 443002;三峡大学计算机与信息学院 湖北宜昌 443002
摘要：数字化时代,互联网数据增长态势迅猛.在此背景下,如何从海量文本中精准、高效地抽取关系,并进一步挖掘出更具价值的信息,已成为自然语言处理、数据挖掘等相关领域的热门研究方向.因此,研究关系抽取方法具有重要的理论和实践价值.然而,现有的关系抽取方法大多存在两个主要限制:一是数据集的泛化性有限,二是主流方法在任务间的信息特征交互能力有限.基于此,文章提出了一种创新方法,采用变换器网络进行多特征融合,并利用共享组件来更好地适配实体对齐和解码任务,从而构建一种基于多特征融合的文本关系抽取模型,旨在提升关系抽取的效果,为验证模型有效性,分别在Duie和NYT数据集上进行了多组对照实验,均取得了最优效果,验证了本模型中共享组件模块与采用变换器网络结构进行多特征融合可以提升模型在中英文数据集上抽取的性能与泛化性.
关键词：深度学习信息抽取关系抽取
论文发表日期：2025-02-27
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( 67-70 )