深度学习实体关系抽取研究综述

论文摘要

实体关系抽取作为信息抽取、自然语言理解、信息检索等领域的核心任务和重要环节,能够从文本中抽取实体对间的语义关系.近年来,深度学习在联合学习、远程监督等方面上的应用,使关系抽取任务取得了较为丰富的研究成果.目前,基于深度学习的实体关系抽取技术,在特征提取的深度和模型的精确度上已经逐渐超过了传统基于特征和核函数的方法.围绕有监督和远程监督两个领域,系统总结了近几年来中外学者基于深度学习的实体关系抽取研究进展,并对未来可能的研究方向进行了探讨和展望.

论文目录

• 1 深度学习实体关系抽取的问题定义和解决框架
•   1.1 问题定义
•   1.2 解决问题框架
• 2 基于深度学习的有监督实体关系抽取方法
•   2.1 有监督实体关系抽取框架演化流程
•   2.2 流水线方法
•     2.2.1 主要流程
•     2.2.2 主流方法介绍
•     2.2.3 流水线方法中存在的共性问题
•   2.3 联合学习方法
•     2.3.1 主要流程
•     2.3.2 主流方法介绍
•     2.3.3 联合学习方法中存在的共性问题
•   2.4 基于深度学习的有监督领域关系抽取方法与经典方法的对比
•   2.5 有监督领域实体关系抽取核心公式
• 3 基于深度学习的远程监督实体关系抽取方法
•   3.1 远程监督实体关系抽取框架演化流程
•   3.2 基于深度学习的远程监督领域实体关系抽取主流方法介绍
•     3.2.1 基于PCNN及其扩展模型的实体关系抽取
•     3.2.2 基于LSTM的实体关系抽取方法
•     3.2.3 基于COTYPE联合抽取模型的实体关系抽取方法
•     3.2.4 基于深度残差网络的实体关系抽取方法
•   3.3 基于深度学习的远程监督关系抽取方法与经典方法的对比
•   3.4 基于深度学习的远程监督关系抽取方法与有监督方法的对比
•   3.5 远程监督领域实体关系抽取方法核心公式
• 4 基于深度学习的实体关系抽取新模型与新思路
•   4.1 融合深度增强学习的实体关系抽取
•   4.2 融合生成对抗网络的实体关系抽取
• 5 基于深度学习的实体关系抽取在生物医药领域中的最新应用进展
• 6 基于深度学习的实体关系抽取的数据集及其评测方法
•   6.1 数据集介绍
•   6.2 评测方法介绍
•   6.3 深度学习实体关系抽取典型论文的数据集与评测标准
• 7 未来研究方向和总结

文章来源

类型: 期刊论文

作者: 鄂海红,张文静,肖思琪,程瑞,胡莺夕,周筱松,牛佩晴

关键词: 实体关系抽取,深度学习,联合学习,远程监督,生成对抗网络

来源: 软件学报 2019年06期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 北京邮电大学计算机学院数据科学与服务中心,教育部信息网络工程研究中心(北京邮电大学)

基金: 国家重点研发计划(2018YFB1403501)~~

分类号: TP391.1;TP181

DOI: 10.13328/j.cnki.jos.005817

页码: 1793-1818

总页数: 26

文件大小: 1377K

下载量: 3607