融合交互注意力网络的实体和关系联合抽取模型

来源：计算机工程与应用杂志2024年第8期北京时间：

作者：郝小芳, 张超群, 李晓翔, 王大睿

单位：1.广西民族大学 电子信息学院，南宁 530006；2.广西民族大学 人工智能学院，南宁 530006；3.广西混杂计算与集成电路设计分析重点实验室，南宁 530006

摘要：实体关系三元组的抽取效果直接影响后期知识图谱构建的质量，而传统流水线式和联合式抽取的模型，并没有对句子级别和关系级别的语义特征进行有效建模，从而导致模型性能的缺失。为此，提出一种融合句子级别和关系级别的交互注意力网络的实体和关系联合抽取模型RSIAN，该模型通过交互注意力网络来学习句子级别和关系级别的高阶语义关联，增强句子和关系之间的交互，辅助模型进行抽取决策。在构建的中文旅游数据集（TDDS）的Precision、Recall和F1值分别为0.872、0.760和0.812，其性能均优于其他对比模型；为了进一步验证该模型在英文联合抽取上的性能，在公开英文数据集NYT和Webnlg上进行实验，该模型的F1值相比基线模型RSAN模型分别提高了0.014和0.013，并且该模型在重叠三元组的分析实验也均取得了优于基线模型的性能且更稳定。

关键词：交互注意力网络,句子级别,关系级别,实体和关系联合抽取,注意力机制,重叠三元组