【摘 要】与中英文相比,藏文实体关系训练语料规模较小,传统有监督的学习方法难以获得较高的准确率。针对基于远程监督的实体关系抽取存在错误标记的问题,利用远程监督方法将知识库与文本对齐,构建藏文实体关系抽取的数据集,提出一个基于多级注意力融合机制的藏文实体关系抽取模型。在词级别引入自注意力机制来提取单词的内部特征,在句子级别引入注意力机制为每个实例分配权重,从而充分利用包含信息的句子,减少噪声实例的权重。同时引入联合评分函数,修正远程监督的错误标签,并将神经网络与支持向量机结合,实现藏文实体关系分类。实验结果表明,提出的模型有效提高了藏文实体关系抽取的准确率,且优于基线模型效果。
【关键词】藏文 ; 实体关系抽取 ; 多级注意力融合机制 ; 支持向量机
1 引言
实体关系抽取从无结构化文本中自动抽取实体对之间的语义关系,并构建结构化的知识,为知识图谱、问答系统等研究提供重要的支撑。相比于语料丰富的中英文领域,藏文实体关系训练语料规模较小,传统有监督的学习方法难以获得较高的准确率。为了解决训练语料不足的问题,Mintz M等人提出了利用远程监督自动生成训练语料的方法,其主要思想是对齐知识库和文本,将对齐后的句子构建成实体关系抽取的训练数据,并用其训练关系抽取器,预测文本中实体对之间的关系。
基于远程监督的方法可以为藏文实