用于中文文学文本实体关系分类的结构正则化神经网络
计算与语言
2018-03-18 v1
摘要
关系分类是自然语言处理领域一项重要的语义处理任务。本文提出中文文学文本的关系分类任务。构建了中文文学文本新数据集以推动该任务的研究。我们提出一种名为结构正则化双向循环卷积神经网络（SR-BRCNN）的新模型，用于识别实体间关系。所提模型沿从结构正则化依存树中提取的最短依存路径（SDP）学习关系表示，具有降低整体模型复杂度的优势。实验结果表明，所提方法将 F1 分数显著提升 10.3，并在中文文学文本上优于 SOTA 方法。
引用
@article{arxiv.1803.05662,
title = {Structure Regularized Neural Network for Entity Relation Classification for Chinese Literature Text},
author = {Ji Wen and Xu Sun and Xuancheng Ren and Qi Su},
journal= {arXiv preprint arXiv:1803.05662},
year = {2018}
}
备注
Accepted at NAACL HLT 2018. arXiv admin note: substantial text overlap with arXiv:1711.02509