基于BiLSTM-EPEA模型的实体关系分类

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：提出一种基于实体注意力相加机制的关系抽取模型BiLSTM-EPEA.即通过BiLSTM(双向的长短期记忆网络)对Glove表示的文本向量进行特征提取,通过EPEA模块分别计算每个字相对于第一个实体和第二个实体的注意力值,并将两个有权重的语句序列逐位相加,最后利用Softmax函数划分实体关系类别.通过实验证明,BiLSTM-EPEA相比于BiLSTM-ATT模型和RBERT模型,F1值分别提升了0.42％、1.47％,验证了模型的有效性.

外文标题：Entity relationship classification based on BiLSTM-EPEA model

作者：

蒋丽媛、吴亚东、张巍瀚、王书航

展开 >

作者单位：

四川轻化工大学计算机科学与工程学院,四川宜宾 644002

关键词：

关系类别划分 BiLSTM-EPEA 实体注意力相加机制长短期记忆网络

出版年：

2023

DOI：

10.16644/j.cnki.cn33-1094/tp.2023.05.010