论文研究-基于注意力机制的LSTM的语义关系抽取.pdf
目前关系抽取方法中，传统深度学习方法存在长距离依赖问题，并且未考虑模型输入与输出的相关性。针对以上问题，提出了一种将LSTM（long short-term memory）模型与注意力机制相结合的关系抽取方法。将文本信息向量化，提取文本局部特征，再将文本局部特征导入双向LSTM模型中，通过注意力机制对LSTM模型的输入与输出之间的相关性进行重要度计算，根据重要度获取文本整体特征；最后将局部特征和整体特征进行特征融合，通过分类器输出分类结果。在SemEval-2010 task 8语料库上的实验结果表明，该方法的准确率和稳定性较传统深度学习方法有进一步提高，为自动问答、信息检索以及本体学习等领域提供了方法支持。
文件下载
评论信息
其他资源
- 六轴机器人逆运动的MATLAB程序
- 模拟和数字电子电路基础中英文
- mimics 10.01 绿色
- GOC京东物流车辆调度A榜赛题，C++代码
- 自己训练的车辆检测分类器
- 客户关系管理系统毕业设计
- solidworks零件与装配图
- 世上最全H3C,教程，资料，学习
- 英克软件说明书
- 数字控制徐丽娜第二版
- 02326操作系统2020年10月份真题及解析.docx
- arm汇编手册（中文版）.chw
- 基础算法 第7章 分治算法(C++版)-2021.02.09.pdf
- oce：用于海洋学处理的R包-源码
- i8080：英特尔8080汇编器和调试器-源码
- LT8618SX.pdf
- bimserverjar-1.5.182.jar
- 矩阵QR分解的C语言
- qtwinmigrate-2.8_1-opensource
- PyQt4-4.11.4-gpl-Py2.7-Qt4.8.7-x64.exe
- Android-RecyclerView实现Item添加和删除
- 基于深度学习的图像超分辨率算法论文合集2015-2019（CVPR,ECCV,ICCV）
- ssh+jbpm项目（某集团OA）
- 信号处理（英文版）
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明