计算机应用研究

作者：潘理虎,刘云,谢斌红,张英俊,

单位：太原科技大学计算机科学与技术学院,太原030024；

关键词：关系抽取,小样本学习,细粒度语义,特征融合,

基金：山西省自然科学基金资助项目(201901D111258)；山西省中科院科技合作项目(20141101001)；山西省重点研究计划资助项目(201603D121031)；山西省应用基础研究项目(201801D221179)；；

关系抽取是自然语言处理和知识图谱构建的一项关键任务，现有小样本关系抽取方法无法有效获取和充分利用更多的文本语义信息，为此给出一个基于语义增强的多特征融合关系抽取方法（SMPC）并应用于小样本任务中。该方法构建了一个融合位置、词性和句法依存等信息的分段卷积神经网络最大化表示语义特征，并从维基百科中抽取细粒度语义信息，将其融入词嵌入，提高模型上下文共性学习。在两种场景下对不同基线方法进行实验，分别取得最高4%和10%的准确率提升，证明了该方法的有效性。

来源：2022年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第6期