基于GRU和注意力機制的遠程監督關系抽取

摘要：隨著深度學習的發展,越來越多的深度學習模型被運用到了關系提取的任務中,但是傳統的深度學習模型無法解決長距離依賴問題;同時,遠程監督將會不可避免地產生錯誤標簽。針對以上兩個問題,提出一種基于GRU(gated recurrent unit)和注意力機制的遠程監督關系抽取方法。首先通過使用GRU神經網絡來提取文本特征,解決長距離依賴問題;接著在實體對上構建句子級的注意力機制,減小噪聲句子的權重;最后在真實的數據集上,通過計算準確率、召回率并繪出PR曲線證明該方法與現有的一些方法相比,取得了比較顯著的進步。