深度学习实体关系抽取研究综述
作者:
作者单位:

作者简介:

鄂海红(1982-),女,辽宁锦州人,博士,副教授,CCF专业会员,主要研究领域为深度学习知识图谱,自然语言处理,大数据及人工智能技术在交叉领域应用研究;张文静(1995-),女,硕士生,CCF学生会员,主要研究领域为自然语言处理,远程监督关系抽取,多轮对话;肖思琪(1994-),女,硕士生,主要研究领域为自然语言处理,关系抽取;程瑞(1995-),女,硕士生,CCF学生会员,主要研究领域为知识图谱,知识抽取,知识融合;胡莺夕(1993-),女,硕士生,主要研究领域为自然语言处理,深度学习,信息抽取,文本摘要;周筱松(1995-),女,硕士生,CCF学生会员,主要研究领域为自然语言处理,知识图谱;牛佩晴(1994-),女,硕士生,主要研究领域为自然语言处理.

通讯作者:

鄂海红,E-mail:ehaihong@bupt.edu.cn

基金项目:

国家重点研发计划(2018YFB1403501)


Survey of Entity Relationship Extraction Based on Deep Learning
Author:
Affiliation:

Fund Project:

National Key R&D Program of China (2018YFB1403501)

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    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.

    Abstract:

    Entity relation extraction is a core task and an important part in the fields of information extraction, natural language understanding, and information retrieval. It can extract the semantic relationships between entity pairs from the texts. In recent years, the application of deep learning in the fields of joint learning, remote supervision has resulted in relatively abundant research results in relation extraction tasks. At present, entity relationship extraction technology based on deep learning has gradually exceeded the traditional methods which are based on features and kernel functions in terms of the depth of feature extraction and the accuracy. This paper focuses on the two fields of supervision and remote supervision. It systematically summarizes the research progress of Chinese and overseas scholars' deep relationship-based entity relationship extraction in recent years, and discusses and prospects future possible research directions as well.

    参考文献
    相似文献
    引证文献
引用本文

鄂海红,张文静,肖思琪,程瑞,胡莺夕,周筱松,牛佩晴.深度学习实体关系抽取研究综述.软件学报,2019,30(6):1793-1818

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2018-04-25
  • 最后修改日期:2018-10-13
  • 录用日期:
  • 在线发布日期: 2019-03-28
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号