探索中文文本中实体关系智能提取:一种基于数据与模型协同优化的新方法

作     者：刘翠媚 罗序良 郭凤婵 吴毅良 

作者机构：广东电网有限责任公司江门供电局广东 江门 

出 版 物：《人工智能与机器人研究》 (Artificial Intelligence and Robotics Research)

年 卷 期：2024年第13卷第2期

页      码：425-440页

摘      要：本文旨在解决从非结构化的中文文本中提取实体和关系的问题,重点关注命名实体识别(NER)和关系提取(RE)所面临的挑战。为了增强识别与提取能力,我们设计了一个管道模型,分别应用于NER和RE,并整合了外部词典信息以及中文语义信息。我们还引入了一种创新的NER模型,结合了中文拼音、字符和词语的特征。此外,我们利用实体距离、句子长度和词性等信息来提高关系提取的性能。本文经过深入研究数据、模型和推理算法之间的关联作用,以提高解决这一挑战的学习效率。通过与现有多个方法的实验结果对比,我们的模型取得了显著的成果。

主 题 词：命名实体识别 关系提取 深度学习 双向长短期记忆网络 注意力机制 

学科分类：08[工学] 0812[工学-测绘类] 

D　O　I：10.12677/airr.2024.132044

馆 藏 号：203128202...