基于优化信息融合策略的关系抽取
Journal of Chinese Computer Systems(2022)
Abstract
现有的关系抽取方法提取全局特征和局部特征,并将其连接作为关系表示进行分类.然而,简单的连接操作意味着将各种特征视为同等重要的信息来处理,忽略了它们对关系抽取的不同贡献程度,限制了模型的效果.实际上,在复杂的语境下,不同信息的重要程度大相径庭.针对此问题,提出了一种基于优化信息融合策略的关系抽取方法.首先,通过BERT获得句向量以及实体表示,将句子表示分别融入到两实体表示中,以获得两种复合特征.随后,采用一种自适应的信息学习策略融合两种特征作为关系表示用于分类.该方法融合了输入序列的全局和局部信息,并自动聚焦于贡献更大的部分.在TACRED、TACREV、Semeval2010 Task8数据集上的实验表明,该方法的F1值优于当前最优模型.
MoreAI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined