1 论文标题：基于深度神经网络和注意力机制的实体关系抽取方法研究

2 作者信息：陈泽峰, 赵占芳：河北地质大学信息工程学院，河北 石家庄

3 出处和链接：陈泽峰, 赵占芳. 基于深度神经网络和注意力机制的实体关系抽取方法研究[J]. 计算机科学与应用, 2022, 12(10): 2395-2404. https://doi.org/10.12677/CSA.2022.1210245

4 摘要：关系抽取是自动构建知识图谱的关键技术之一，其根本目标是抽取实体间的语义关联关系。针对非结构化文本实体关系抽取方法中存在的上下文环境信息难以准确表征、句子间的实体关系特征未被充分利用等问题，本文提出了一种新的基于神经网络和注意力机制相结合的关系抽取模型PCNN-ATT-BiLSTM。该模型采用“RNN + CNN”网络框架，其中的RNN利用双向长短期记忆神经网络(Bi-LSTM)来捕获文本语句的上下文信息和浅层语义特征，利用分段卷积神经网络(PCNN)捕获文本语句的局部短语特征，并结合注意力机制捕获文本语句的关键信息进行关系预测。该模型在公开数据集SemEval-2010 Task8上取得了82.92%的F1值，实验结果表明，该方法在非结构化文本的实体关系抽取方面表现出了较好的性能，为实体关系的自动获取提供了新的方法支持。