融合知识图谱与图卷积神经网络的非结构文本实体关系抽取
熊文俊
赵辉
河南开放大学资源建设与管理中心 河南郑州 450046
摘要：非结构文本中的信息通常分散且不连贯,导致实体之间存在关系重叠,影响抽取结果的准确性.为优化非结构文本实体关系抽取效果,文章通过融合知识图谱与图卷积神经网络进行非结构文本实体关系抽取.基于预处理后的非结构文本数据构建一个包含实体和属性的知识图谱,作为后续实体关系抽取的基础.并将此作为GCN模型的输入,利用GCN对实体和关系进行编码,提取其深层特征.通过与知识图谱的融合,实现了非结构文本中实体关系的抽取.实验结果表明,该方法在处理非结构文本信息量增大的情况下,信息完整性保持得相当稳定,全程维持在约98％的高水平,且在2 ms以内即可完成256个节点的抽取.说明其方法能够完整且准确地抽取非结构文本中的实体关系,应用效果优势显著.
关键词：知识图谱图卷积神经网络非结构文本实体关系抽取
资助基金：河南省科技攻关项目(242102320174)
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( 71-74 )