当前位置:   article > 正文

实体识别和关系抽取的联合模型总结_实体关系联合抽取模型

实体关系联合抽取模型

实体识别和关系抽取的目标是从非结构化的文本中发现(实体1、关系、实体2)的三元组,它对知识库的构建和问答任务都很重要,是信息抽取的核心问题。

现有的关系抽取方法主要有两种:

1.使用流水线方法进行抽取:先对句子进行实体识别,然后对识别出的实体两两组合,再进行关系分类,最后把存在实体关系的三元组做为输入。

缺点:1.错误传播,实体识别模块的错误会影响下面的关系分类性能。2.差生了没必要的冗余信息,没有关系的实体会带来多余信息,提升错误率。

2.实体识别和关系抽取的联合模型:对句子同时做实体识别和关系抽取得到一个有关系的实体三元组。

模型结构图:

数据标记策略:采用BIO标记策略。字在句子中的下标(token_id),字(token),标注标签(BIO),实体关系(无关系则为N)(relations),对应关系下标位置(无关系则为当前下标)(heads)。

比如有如下一句话:张三和李四居住在北京和上海,姓名和地址有live_in关系,标记位置为地址最后一个字的下标。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/黑客灵魂/article/detail/882494
推荐阅读
相关标签
  

闽ICP备14008679号