文档名：基于带注意力机制CNN的联合知识表示模型
知识表示学习在自然语言处理领域获得了广泛关注,尤其在实体链指、关系抽取及自动问答等任务上表现优异.然而,大部分已有的表示学习模型仅利用知识库中的结构信息,无法很好地处理新的实体或关联事实极少的实体.为解决该问题,本文提出了引入实体描述信息的联合知识表示模型.该模型先利用卷积神经网络编码实体描述,然后利用注意力机制来选择文本中的有效信息,接着又引入位置向量作为补充信息,最后利用门机制联合结构和文本的向量,形成最终的联合表示.实验表明,本文的模型在链路预测和三元组分类任务上与目前最好的模型性能相近.
作者：彭敏姚亚兰谢倩倩高望
作者单位：武汉大学计算机学院,武汉430072
母体文献：第十七届全国计算语言学学术会议暨第六届基于自然标注大数据的自然语言处理国际学术研讨会(CCL2018)论文集
会议名称：第十七届全国计算语言学学术会议暨第六届基于自然标注大数据的自然语言处理国际学术研讨会(CCL2018)
会议时间：2018年10月19日
会议地点：长沙
主办单位：中国中文信息学会
语种：chi
分类号：
关键词：知识表示学习 联合模型 实体描述信息 卷积神经网络 注意力机制
在线出版日期：2021年9月13日
基金项目：
相似文献
相关博文
- 文件大小:
- 780.26 KB
- 下载次数:
- 60
-
高速下载
|
|
