实体关系抽取作为信息抽取、自然语言理解、信息检索等领域的核心任务和重要环节,能够从文本中抽取实体对间的语义关系.近年来,深度学习在联合学习、远程监督等方面上的应用,使关系抽取任务取得了较为丰富的研究成果.目前,基于深度学习的实体关系抽取技术,在特征提取的深度和模型的精确度上已经逐渐超过了传统基于特征和核函数的方法.围绕有监督和远程监督两个领域,系统总结了近几年来中外学者基于深度学习的实体关系抽取研究进展,并对未来可能的研究方向进行了探讨和展望.
2021-02-21 17:40:56
1.85MB
1
清华大学NYT10关系抽取数据集，包含了53个关系，522043个句子实例，数据远程监督数据集，来源于New York Times 和 FreeBase。
2020-11-13 09:25:44
69.74MB
1
农业知识图谱：农业领域的命名实体识别，实体解析，关系抽取，数据挖掘
2020-01-03 11:39:34
349.35MB
1
中国省市经纬度坐标
中国省市邮政编码大全
全国区划和城乡划分代码(2015)
成语大全
中文人名大全及金庸小说、三国演义及红楼梦人物姓名
中文命名实体识别数据
中文关系识别数据
中文阅读理解数据
中文图文问答数据
2020-01-03 11:31:25
52.68MB
1
对关系抽取技术研究概况进行总结。在回顾关系抽取发展历史的基础上，将关系抽取研究划分为两个阶
段: 面向特定领域的关系抽取研究和面向开放互联网文本的关系抽取研究。在分析相关文献的基础上， 总结出两
个研究阶段的技术路线: 面向特定领域的关系抽取技术以基于标注语料的机器学习方法为主; 面向开放互联网文
本的关系抽取则根据不同任务需要，采取基于启发式规则的方法或者基于背景知识库实例的机器学习方法。
2019-12-21 20:00:19
427KB
1