作者:翟社平; 段宏宇; 李兆兆知识图谱实体抽取神经网络词向量
摘要:针对传统知识图谱实体抽取方法需要大量人工特征和专家知识的问题,提出一种基于BILSTM_CRF模型的神经网络结构实体抽取方法。它既能使用双向长短时记忆网络BILSTM(Bidirectional Long Short-TermMemory)提取文本信息的特征,又可利用条件随机场CRF(ConditionalRandom Fields)衡量序列标注的联系。该方法对输入的文本进行建模,把句子中的每个词转换为词向量;利用BILSTM处理分布式向量得到句子特征;使用CRF标注并抽取实体,得到最终结果。实验结果表明,该方法的准确率和召回率更高,F1值提升约8%,具有更强的适用性。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社