We investigate a method to extract relations from texts based on global alignment and syntactic information. Combined with SVM, this method is shown to have a performance comparable or even better than LSTM on two RE tasks.


翻译:我们调查了一种方法,从基于全球统一和合成信息的文本中提取关系。 与SVM相结合,这种方法在两项RE任务上的表现与LSTM相似,甚至比LSTM还好。

0
下载
关闭预览

相关内容

专知会员服务
36+阅读 · 2021年8月25日
专知会员服务
34+阅读 · 2021年8月19日
专知会员服务
64+阅读 · 2021年5月29日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
论文浅尝 | Global Relation Embedding for Relation Extraction
开放知识图谱
12+阅读 · 2019年3月3日
浙江大学吴朝晖:脑机融合系统综述
人工智能学家
7+阅读 · 2018年3月9日
论文浅尝 | Distant Supervision for Relation Extraction
开放知识图谱
4+阅读 · 2017年12月25日
Arxiv
10+阅读 · 2018年4月19日
VIP会员
相关资讯
Top
微信扫码咨询专知VIP会员