结合注意力机制和本体的远程监督关系抽取

摘要

关系抽取是从非结构化的文本中抽取关系,并以结构化的形式输出.为了提高抽取准确性并降低对人工标注的依赖,提出了基于注意力机制和本体的远程监督关系抽取模型(APCNNs+OR).该模型分为特征工程提取模块、分类器模块、本体约束层.在分类器模块中,引入并改进了实例级注意力机制,更好地学习数据袋中每个句子的权重,有效地降低了远程监督假设引入的噪声干扰及句子中实体间的词语信息干扰.在本体约束层,通过引入领域本体对抽取结果进行约束,提高了抽取关系的准确性.SemMed和GoldStandard语料实验结果表明,该模型可有效降低错误标签的噪声干扰,比现有模型具有更好的关系抽取性能.