Resumen

La extracción de entidades y relaciones a partir de oraciones no estructuradas es una de las tareas más preocupantes en el campo del procesamiento del lenguaje natural. Sin embargo, la mayoría de los trabajos existentes procesan la información de entidades y relaciones en un orden determinado y sufren la iteración de errores. En este trabajo, introducimos una red de etiquetado conjunto de tripletas relacionales (RTJTN), que se divide en una capa de etiquetado conjunto de entidades y relaciones y una capa de juicio de tripletas relacionales. En la capa de etiquetado conjunto, en lugar de extraer la entidad y la relación por separado, proponemos un método de etiquetado que permite al modelo extraer simultáneamente entidades y relaciones en oraciones no estructuradas para evitar la iteración de errores; y, para resolver el problema de solapamiento de relaciones, proponemos una red de juicio de tripletes relacionales para juzgar las triples correctas entre el grupo de triples con la misma relación en una oración. En el experimento, evaluamos nuestra red en el conjunto de datos público inglés NYT y en los conjuntos de datos públicos chinos DuIE 2.0 y CMED. La puntuación F1 de nuestro modelo mejora en 1,1, 6,0 y 5,1 en comparación con el mejor modelo de referencia en los conjuntos de datos NYT, DuIE 2.0 y CMED, respectivamente. El análisis en profundidad del rendimiento del modelo en los problemas de solapamiento y en los de complejidad de las frases muestra que nuestro modelo tiene diferentes ganancias en todos los casos.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:juicio de tripletes relacionales, relaciones, entidad, iteración de errores, frase no estructurada, modelo, triplete relacional conjunto, capa de etiquetado conjunto, procesamiento del lenguaje natural, red de etiquetado conjunto
• Keywords:relational triplet judgment, relations, entity, error iteration, unstructured sentence, model, relational triplet joint, joint tagging layer, natural language processing, joint tagging network