中文重疊關(guān)系抽取的動態(tài)分層級聯(lián)標記模型

打開文本圖片集

摘要：構(gòu)建了動態(tài)分層級聯(lián)標記中文重疊關(guān)系抽?。≧WG-LSA）模型：首先基于預訓練語言模型和gated 機制構(gòu)建了動態(tài)字詞融合特征學習模型（RWG），有效避免了主體標記模塊的特征缺失和無法并行計算等問題；其次引入動態(tài)權(quán)局部自注意力（LSA），自主學習到主體層面的語義特征；最后在有效融合了輸入序列的全局和主體局部特征的基礎(chǔ)上，實現(xiàn)RWG-LSA 模型對文本中實體對和關(guān)系的抽取。（剩余1137字）