基于双向LSTM和GBDT的中医文本关系抽取模型

来源：计算机应用研究杂志2019年第12期北京时间：

作者：罗计根,杜建强,聂斌,熊旺平,刘蕾,贺佳,

单位：江西中医药大学计算机学院,南昌330004；

摘要：为解决采用softmax作为长短期记忆网络分类器导致实体关系识别模型泛化能力不足，不能较好适用中医实体关系抽取等问题，提出一种融合梯度提升树的双向长短期记忆网络的关系识别算法（BILSTM-GBDT）。先采用word2vec对中医文本进行向量化表示，再利用基于注意力机制的双向长短期记忆网络提取高阶特征，最后采用集成分类模型梯度提升树作为特征分类器，提高关系识别效果。在中医等多个关系语料库上的实验结果表明，该模型与传统SVM方法、GBDT方法及其深度学习方法相比，均有更高的精确率、召回率和F值。

关键词：关系抽取,长短期记忆网络,梯度提升树,注意力机制,中医文本,

基金资助：国家自然科学基金资助项目(61363042,61562045,61762051)；江西省科技厅重大研发计划资助项目(20171ACE50021)；江西省研究生创新专项资金资助项目(YC2017-S349)；江西省科技厅重点研发计划资助项目(20171BBG70108)；；