计算机应用研究

作者：黄兆玮,常亮,宾辰忠,孙彦鹏,孙磊,

单位：桂林电子科技大学广西可信软件重点实验室,广西桂林541004；

关键词：深度学习,远程监督,门控循环单元,注意力机制,

基金：国家自然科学基金资助项目(U1501252,61572146)；广西创新驱动重大专项项目(AA17202024)；广西自然科学基金资助项目(2016GXNSFDA380006)；广西信息科学实验中心平台建设项目(PT1601)；；

随着深度学习的发展，越来越多的深度学习模型被运用到了关系提取的任务中，但是传统的深度学习模型无法解决长距离依赖问题；同时，远程监督将会不可避免地产生错误标签。针对以上两个问题，提出一种基于GRU（gated recurrent unit）和注意力机制的远程监督关系抽取方法。首先通过使用GRU神经网络来提取文本特征，解决长距离依赖问题；接着在实体对上构建句子级的注意力机制，减小噪声句子的权重；最后在真实的数据集上，通过计算准确率、召回率并绘出PR曲线证明该方法与现有的一些方法相比，取得了比较显著的进步。

来源：2019年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第10期