文献

J-GLOBAL ID：202202232890108997   整理番号：22A0995926

深さ強化学習に基づくテキスト実体関係抽出手法【JST・京大機械翻訳】

Entity Relationship Extraction from Text Data Based on Deep Reinforcement Learning

著者 (5件)： Luo Xin (電子科技大学資源与環境学院 成都 611731;電子科技大学長三角研究院 浙江 湖州 313001) ,  Chen Yanyang (電子科技大学資源与環境学院 成都 611731) ,  Geng Haotian (電子科技大学資源与環境学院 成都 611731) ,  Xu Wenbo (電子科技大学資源与環境学院 成都 611731;電子科技大学長三角研究院 浙江 湖州 313001) ,  Zhang Min (電子科技大学資源与環境学院 成都 611731)
資料名： Dianzi Keji Daxue Xuebao  (Dianzi Keji Daxue Xuebao)
巻： 51  号： 1  ページ： 91-99  発行年： 2022年 
JST資料番号： W1475A  ISSN： 1001-0548  CODEN： DKDAEM  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： テキストの大規模データからテキストの実体関係情報を速く正確に抽出することは,知識マップを構築する鍵である。現状の主流の遠隔監視関係抽出方法に対して、しばしば実体ペアの類型情報と文文法情報を無視する問題に対して、本論文では、深さ強化学習に基づくテキスト実体関係抽出方法を提案した。まず第一に,エンティティの周囲の単語の注意機構を結合する双方向の長い短期記憶ネットワークを,文章符号化の第一のモジュールとして利用した。次に,実体型埋込みモジュールを,実体タイプを用いて,文章符号化情報を豊かにするために,追加した。最後に、一つの依存構文解析モジュールをモデルに組み入れ、関係抽出器を共同で構成した。同時に、ラベルレベルのノイズ低減を実現するため、本文は強化学習方法と結合し、ラベル学習器を設計し、文のソフトラベルを学習し、誤りラベルを修正する。設計したラベル学習器は関係抽出器と結合し,深さ強化学習に基づくテキスト関係抽出フレームワークを構成する。公開データセットのACE2005、Chinese-Literature-NER-RE-Datasetと自作のデータセット上で実験を行い、結果により、提案手法は精度と再現率において、現在いくつかの主流モデルより優れていることが分かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  ネットワーク ,  *抽出 ,  構文分析 ,  文法 ,  モデル ,  雑音低減 ,  単語 ,  *強化学習 ,  遠隔監視 ,  フレームワーク【ソフトウェア開発】
準シソーラス用語： 短期記憶 ,  再現率 ,  エンティティ ,  *関係抽出 ,  大規模データ , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 強化学習 ,  関係抽出 ,  手法