融合句法信息的实体关系联合抽取

来源：计算机技术与发展杂志2024年第08期北京时间：

作者：胡翼;于海;郭鑫;陈千;廖健;郑建兴;李艳红;杨可涵

摘要：实体关系抽取是自然语言处理领域知识图谱构建的关键技术之一,有助于知识图谱自动化更新和扩充,并为下游任务提供重要的知识库支持。 目前实体关系抽取方法大多从单一角度进行特征提取,导致特征表达能力不足,同时级联错误累积现象严重,无法较好针对实体关系重叠、实体嵌套现象进行适配,极大地影响实体关系抽取的精度和效率。 为了同时解决这些问题,提出了一种融合语义和依存句法信息的实体关系联合抽取方法。 该方法采用预训练语言模型 BERT提取语义特征;然后利用句法注意力图卷积神经网络获取依存句法特征;最终,融合语义特征和依存句法特征对句子中多个关系的主客实体位置进行预测标记。 实验结果表明,所提模型在 NYT 和 WebNLG 公共数据集上的 F1 值分别达到了92. 8% 和 91. 1% ,与基线模型和其他深度学习模型相比,模型在重叠实体抽取上取得了较好的效果,验证了模型的有效性。

关键词：关系抽取;句法依存分析;图卷积神经网络;特征融合;关系重叠