结合长短期记忆与卷积神经网络进行跨句n元关系抽取
信息检索
2018-11-05 v1 计算与语言
摘要
我们在本文中提出一种长短期记忆与卷积神经网络的组合模型（LSTM-CNN），利用词嵌入和位置嵌入进行跨句n元关系抽取。所提模型汇集了LSTM与CNN两者的特性，以同时利用长程序列信息并捕获最具判别性的特征，这对跨句n元关系抽取至关重要。LSTM-CNN模型在跨句n元关系抽取的标准数据集上进行了评估，其显著优于CNN、LSTM以及组合的CNN-LSTM等基线模型。本文还表明，LSTM-CNN模型在跨句n元关系抽取上优于当前最先进（SOTA）方法。
引用
@article{arxiv.1811.00845,
title = {Combining Long Short Term Memory and Convolutional Neural Network for Cross-Sentence n-ary Relation Extraction},
author = {Angrosh Mandya and Danushka Bollegala and Frans Coenen and Katie Atkinson},
journal= {arXiv preprint arXiv:1811.00845},
year = {2018}
}