主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第9期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
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
深度学习实体关系抽取研究综述
Survey of Entity Relationship Extraction Based on Deep Learning
投稿时间:2018-04-25  修订日期:2018-10-13
DOI:10.13328/j.cnki.jos.005817
中文关键词:  实体关系抽取  深度学习  联合学习  远程监督  生成对抗网络
英文关键词:entity relationship extraction  deep learning  joint learning  remote supervision  generative adversarial network
基金项目:国家重点研发计划(2018YFB1403501)
作者单位E-mail
鄂海红 北京邮电大学 计算机学院 数据科学与服务中心, 北京 100876
教育部信息网络工程研究中心(北京邮电大学), 北京 100876 
ehaihong@bupt.edu.cn 
张文静 北京邮电大学 计算机学院 数据科学与服务中心, 北京 100876
教育部信息网络工程研究中心(北京邮电大学), 北京 100876 
 
肖思琪 北京邮电大学 计算机学院 数据科学与服务中心, 北京 100876
教育部信息网络工程研究中心(北京邮电大学), 北京 100876 
 
程瑞 北京邮电大学 计算机学院 数据科学与服务中心, 北京 100876
教育部信息网络工程研究中心(北京邮电大学), 北京 100876 
 
胡莺夕 北京邮电大学 计算机学院 数据科学与服务中心, 北京 100876
教育部信息网络工程研究中心(北京邮电大学), 北京 100876 
 
周筱松 北京邮电大学 计算机学院 数据科学与服务中心, 北京 100876
教育部信息网络工程研究中心(北京邮电大学), 北京 100876 
 
牛佩晴 北京邮电大学 计算机学院 数据科学与服务中心, 北京 100876
教育部信息网络工程研究中心(北京邮电大学), 北京 100876 
 
摘要点击次数: 965
全文下载次数: 1041
中文摘要:
      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.
英文摘要:
      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.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利