基于Transformer交叉集成特征的实体关系抽取

陈金玉, 王名扬, 刘旭

东北师大学报(自然科学版) ›› 2025, Vol. 57 ›› Issue (01) : 74 -81.

PDF
东北师大学报(自然科学版) ›› 2025, Vol. 57 ›› Issue (01) : 74 -81. DOI: 10.16163/j.cnki.dslkxb202304120001

基于Transformer交叉集成特征的实体关系抽取

    陈金玉, 王名扬, 刘旭
作者信息 +

Author information +
文章历史 +
PDF

摘要

提出基于Transformer交叉集成特征的实体关系抽取模型ERonTCI,通过对不同层次特征信息的交叉集成来提升实体关系抽取的精度.ERonTCI模型将BERT预训练模型作为嵌入层,将BiGRU网络和MSCNN网络作为主干结构,分别提取文本中的全局特征和局部特征;使用Transformer实现对全局和局部特征的集成,以避免信息损失,提升模型对文本特征信息的保留度;将集成后的特征信息输入线性层完成实体关系的抽取工作.在公开数据集上进行实验,结果表明,ERonTCI模型取得了比基线模型更好的实体关系抽取效果.

关键词

实体关系抽取 / Transformer / BiGRU / MSCNN

Key words

引用本文

引用格式 ▾
基于Transformer交叉集成特征的实体关系抽取[J]. 东北师大学报(自然科学版), 2025, 57(01): 74-81 DOI:10.16163/j.cnki.dslkxb202304120001

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

73

访问

0

被引

详细

导航
相关文章

AI思维导图

/