基于集成学习方法的实体关系抽取

作者：丰小丽^*; 张英俊; 谢斌红; 赵红燕

来源：计算机系统应用, 2021, 30(06): 255-261.

DOI：10.15888/j.cnki.csa.007952

• 实体关系抽取
• Bi-LSTM
• CNN
• 集成学习
• MLP

基于神经网络的实体关系抽取模型已经被证明了它的有效性,但使用单一的神经网络模型在不同的输入条件下,会表现出不同的结果,性能不太稳定.因此本文提出一种利用集成学习思想将多个单一模型集成为一个综合模型的方法.该方法主要使用MLP (MultiLayer Perceptron)将两个单一模型Bi-LSTM (Bi-directional Long ShortTerm Memory)和CNN (Convolutional Neural Network)集成为一个综合模型,该模型不仅可以充分利用两个单一模型的优势,而且可以利用MLP的自学习能力与自动分配权重的优势.本研究在SemEval 2010 Task 8数据集上取得了87.7%的F1值,该结果优于其他主流的实体关系抽取模型.

• 单位
  太原科技大学