限定域关系抽取研究综述
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

全军军事类研究生资助课题(JY2019C078)


Survey on Relation Extraction in Restricted Domain
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 增强出版
  • |
  • 文章评论
    摘要:

    随着当前知识图谱的蓬勃发展, 关系抽取作为信息抽取的关键一环, 已受到越来越多研究者的关注. 关系抽取发展至今, 总体可以分为基于模板的抽取方法和基于机器学习的抽取方法; 之后随着深度学习抽取方法的广泛应用, 关系抽取的性能得到了较大提高. 本文利用时间顺序法对限定域条件下二元关系抽取方法进行归纳总结. 首先对关系抽取的概念定义、数据集以及评价指标等内容进行了简要介绍; 随后对关系抽取的相关方法进行了系统梳理, 重点分析了目前研究较热的深度学习关系抽取方法; 最后对关系抽取的未来研究方向及其应用进行了分析和展望.

    Abstract:

    Amid the vigorous development of the knowledge graph, relation extraction, as a key part of information extraction, has attracted increasing attention from researchers. In general, relation extraction can be divided into template-based extraction and machine learning-based extraction. Later, with the extensive application of the extraction methods based on deep learning, the performance of relation extraction has been greatly improved. In this study, the time sequence method is employed to summarize the extraction methods of binary relations in a restricted domain. This study first briefly introduces the concept, data set, and evaluation indicators of relation extraction. Then it systematically sorts out the related extraction methods and highlights the current research on the relation extraction methods based on deep learning. Finally, it analyzes the future research direction and application of relation extraction.

    参考文献
    相似文献
    引证文献
引用本文

袁清波,杜晓明,杨帆.限定域关系抽取研究综述.计算机系统应用,2021,30(9):24-40

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2020-12-07
  • 最后修改日期:2021-01-11
  • 录用日期:
  • 在线发布日期: 2021-09-04
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号