知识是理解世界的一种正式方式,为下一代人工智能(AI)提供人类水平的认知和智能。知识的表现形式之一是实体之间的结构关系。关系抽取(RE)是信息抽取的一个子任务,是自动获取这些重要知识的有效方法,在自然语言处理(NLP)中起着至关重要的作用。其目的是从自然语言文本中识别实体之间的语义关系。到目前为止,已有一些关于RE的研究,其中基于深度神经网络(DNNs)的技术已成为该研究的主流技术。其中,基于DNNs的监督式和远程监督是目前最流行、最可靠的两种关系提取方法。本文首先介绍了一些一般概念,然后从两个方面对关系提取中的DNNs进行了全面的概述:一是对标准关系提取系统进行改进的监督式,二是采用DNNs设计句子编码器和去噪方法的远程监督式。在此基础上,我们进一步介绍了一些新的研究方法,描述了一些最新的研究趋势,并讨论了未来可能的研究方向。

https://www.zhuanzhi.ai/paper/bce5fadda556d0501fd5b47127fc6c91

成为VIP会员查看完整内容
39

相关内容

深度神经网络(DNN)是深度学习的一种框架,它是一种具备至少一个隐层的神经网络。与浅层神经网络类似,深度神经网络也能够为复杂非线性系统提供建模,但多出的层次为模型提供了更高的抽象层次,因而提高了模型的能力。
电子科大最新《深度半监督学习》综述论文,24页pdf
专知会员服务
87+阅读 · 2021年3月6日
最新《对比监督学习》综述论文,20页pdf
专知会员服务
81+阅读 · 2020年11月5日
最新《知识图谱表示学习补全》综述论文,16页pdf
专知会员服务
65+阅读 · 2020年10月29日
最新《低资源自然语言处理》综述论文,21页pdf
专知会员服务
58+阅读 · 2020年10月27日
最新《深度持续学习》综述论文,32页pdf
专知会员服务
176+阅读 · 2020年9月7日
最新《动态网络嵌入》综述论文,25页pdf
专知会员服务
133+阅读 · 2020年6月17日
基于深度神经网络的少样本学习综述
专知会员服务
163+阅读 · 2020年4月22日
专知会员服务
197+阅读 · 2020年3月6日
深度多模态表示学习综述论文,22页pdf
专知
27+阅读 · 2020年6月21日
最新《动态网络嵌入》综述论文,25页pdf
专知
31+阅读 · 2020年6月17日
自然语言处理常识推理综述论文,60页pdf
专知
69+阅读 · 2019年4月4日
基于深度学习的NLP 32页最新进展综述,190篇参考文献
人工智能学家
27+阅读 · 2018年12月4日
Arxiv
19+阅读 · 2020年12月23日
Arxiv
135+阅读 · 2018年10月8日
Arxiv
22+阅读 · 2018年8月3日
VIP会员
相关VIP内容
电子科大最新《深度半监督学习》综述论文,24页pdf
专知会员服务
87+阅读 · 2021年3月6日
最新《对比监督学习》综述论文,20页pdf
专知会员服务
81+阅读 · 2020年11月5日
最新《知识图谱表示学习补全》综述论文,16页pdf
专知会员服务
65+阅读 · 2020年10月29日
最新《低资源自然语言处理》综述论文,21页pdf
专知会员服务
58+阅读 · 2020年10月27日
最新《深度持续学习》综述论文,32页pdf
专知会员服务
176+阅读 · 2020年9月7日
最新《动态网络嵌入》综述论文,25页pdf
专知会员服务
133+阅读 · 2020年6月17日
基于深度神经网络的少样本学习综述
专知会员服务
163+阅读 · 2020年4月22日
专知会员服务
197+阅读 · 2020年3月6日
微信扫码咨询专知VIP会员