该论文集聚焦于实体关系抽取任务，特别是深度学习在其中的应用。它介绍了从传统的管道模型到联合模型的发展，强调了联合模型在实体识别和关系分类之间信息交互的优势。论文集中包含26篇研究，引用最多的是Distributed Representations of Words and Phrases and their Compositionality，引用数高达27015次。这些研究为理解文本中实体间的关系提供了宝贵的资源。
论文集地址：https://www.aminer.cn/topic/6085695492c7f9be21345eb8
实体关系抽取是从文本中的句子里抽取出一对实体并给出实体间关系的任务。该任务的输入是一句话，输出是一个spo三元组（subject-predicate-object）。对于实体关系抽取任务，最容易想到的方法就是先抽取句子中的实体，然后在对实体对进行关系分类，从而找出spo三元组，这种思想被称作管道模型（Pipeline）。管道模型把实体关系抽取分成了两个子任务，实体识别和关系分类，两个子任务按照顺序依次执行，它们之间没有交互。在管道模型之后，可以同时进行实体识别和关系分类的联合模型被提了出来，之后的实验证明联合模型由于实现了两个子任务之间的信息交互，大大提升了实体关系抽取的效果，目前针对实体关系抽取任务的研究大多采用联合模型。而联合模型又可以细分为基于参数共享的联合模型和基于联合解码的联合模型。本文论文集包含基于深度学习的方法。
该论文集共收录26篇论文，引用最多的论文为Distributed Representations of Words and Phrases and their Compositionality，引用数为27015。
下论文，到AMiner：https://www.aminer.cn/
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
