基于 BiLSTM-CRF 的开放关系抽取模型探索
计算与语言
2024-07-10 v2 人工智能
信息检索
机器学习
摘要
从文本句子中抽取多种关系对当前的开放关系抽取（Open RE）任务仍是一项挑战。本文中，我们基于双向 LSTM-CRF（BiLSTM-CRF）神经网络和不同的上下文词嵌入方法开发了若干 Open RE 模型。我们还提出了一种新的标注方案以解决重叠问题并提升模型性能。从模型的评估结果和相互比较中，我们选出了标注方案、词嵌入器和 BiLSTM-CRF 网络的最佳组合，从而得到一个对多关系句子具有显著抽取能力的 Open RE 模型。
引用
@article{arxiv.2104.12333,
title = {Explore BiLSTM-CRF-Based Models for Open Relation Extraction},
author = {Tao Ni and Qing Wang and Gabriela Ferraro},
journal= {arXiv preprint arXiv:2104.12333},
year = {2024}
}