首页 | 本学科首页   官方微博 | 高级检索  
     

融合角色指代的多方对话关系抽取方法研究
引用本文:徐洋,蒋玉茹,张禹尧,何威恺. 融合角色指代的多方对话关系抽取方法研究[J]. 北京大学学报(自然科学版), 2022, 58(1): 13-20. DOI: 10.13209/j.0479-8023.2021.107
作者姓名:徐洋  蒋玉茹  张禹尧  何威恺
作者单位:1. 北京信息科技大学智能信息处理研究所, 北京 1001012. 国家经济安全预警工程北京实验室, 北京 100044
基金项目:国家自然科学基金(61602044,61772081);;北京市自然科学基金(4204100)资助;
摘    要:在前期基于图网络的模型基础上,引入角色指代信息,提出融合角色指代的多方对话关系抽取模型.在构建图节点时加入角色节点,将其与对应角色指代的词节点进行连接,并使用图注意力网络进行编码.在DialogRE数据集上的实验效果与基线模型相比,F1值在验证集上提升2.9%,在测试集上提升4.6%.

关 键 词:实体关系抽取  层次化编码  图注意力网络  对话结构
收稿时间:2021-06-08

Research on Dialogue Entity Relation Extraction withEnhancing Character Information
XU Yang,JIANG Yuru,ZHANG Yuyao,HE Weikai. Research on Dialogue Entity Relation Extraction withEnhancing Character Information[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2022, 58(1): 13-20. DOI: 10.13209/j.0479-8023.2021.107
Authors:XU Yang  JIANG Yuru  ZHANG Yuyao  HE Weikai
Affiliation:1. Institute of Intelligent Information Processing, Beijing Information Science and Technology University, Beijing 1001012. Beijing Laboratory of National Economic Security Early-Warning Engineering, Beijing 100044
Abstract:A multi-party dialogue relationship extraction model that integrates character reference information is proposed based on a previous model of graph attention network. Specifically, this article adds character nodes in graph, connects them with the word nodes referred by the corresponding character and uses graph attention networks for encoding. The F1 score based on DialogRE Dataset improved by 2.9% on the valid set and 4.6% on the test set compared with the baseline model.
Keywords:entity relation extraction  hierarchical encoding  graph attention network  dialogue structure  
点击此处可从《北京大学学报(自然科学版)》浏览原始摘要信息
点击此处可从《北京大学学报(自然科学版)》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号