基于混合神经网络的实体关系抽取方法研究

葛 艳，杜坤钰，杜军威，陈 卓

(青岛科技大学 信息科学技术学院，山东 青岛 266061)

0 引言

目前，实体关系抽取技术的研究在信息抽取领域受到了极高的重视，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，能够从非结构化或半结构化文本中识别出实体信息以及实体之间的语义关系类别的信息[1]。

传统的实体关系抽取方法最先采用基于特征的方法并取得了较好的效果，但是后续研究发现该方法无法很好地利用实体对的上下文结构信息，于是研究者们又提出了一种基于核函数的方法，但是由于中文与英文的句子结构有很大的不同，中文句子结构比较松散并且词语之间没有位置的指示信息，所以最终基于核函数的传统实体关系抽取方法也没有取得理想的效果[2]。

在深度学习不断发展的过程中，自然语言处理(NLP)任务用到了越来越多的神经网络模型[3]。基于深度学习的实体关系抽取方法主要是通过将低维词向量表示为不同粒度的语言单元，然后使用卷积和循环等神经网络模型来达到自动学习并提取相关特征的目的[4]。Socher等[5]提出的关系抽取方法使用到了递归神经网络(RNN)，该方法利用了句子的句法结构信息，但是忽略了实体对的位置信息和语义信息。Zeng等[6]提出的关系抽取的方法，使用到了卷积神经网络(CNN)，该方法采用单个最大池化操作来确定语句中的最重要的特征，后来 Collober[7]和Kim[8]等通过实验证明了Zeng等提出的方法在提取文本特征任务中具有很好的效果。……