查询结果:   吴佳昌,吴观茂.基于依存关系和双通道卷积神经网络关系抽取方法[J].计算机应用与软件,2019,36(4):241 - 246,267.
中文标题
基于依存关系和双通道卷积神经网络关系抽取方法
发表栏目
算法
摘要点击数
412
英文标题
RELATIONSHIP EXTRACTION METHOD BASED ON DEPENDENCY RELATION AND TWO-CHANNEL CONVOLUTIONAL NEURAL NETWORK
作 者
吴佳昌 吴观茂 Wu Jiachang Wu Guanmao
作者单位
安徽理工大学计算机科学与工程学院 安徽 淮南 232001     
英文单位
School of Computer Engineering and Technology,Anhui University of Science and Technology, Huainan 232001, Anhui,China     
关键词
关系抽取 依存关系 卷积神经网络 双通道
Keywords
Relation extraction Dependency relationship Convolutional neural network Two-channel
基金项目
国家自然科学基金项目(61471004)
作者资料
吴佳昌,硕士生,主研领域:人工智能,数据挖掘。吴观茂,博士。 。
文章摘要
关系抽取是自然语言中的一项重要任务,其结果对后续的信息抽取和自动问答系统有重要的影响。随着深度学习的日益火热,基于卷积神经网络的实体关系抽取已取得了不错的结果。不过词向量表示比较单一,提取的特征也有限。针对这个问题,将Word2vec训练的词向量和由自然语言处理工具得出的依存关系对分别作为模型两通道的输入向量,使用双通道卷积神经网络提取特征来实现实体关系抽取。该模型可以提取更深层的语义信息,并取得了比传统词向量更好的效果。
Abstract
Relation extraction is an important task in natural language, and its result has important influence on subsequent information extraction and automatic question-answering system. With the increasing popularity of deep learning, the entity relation extraction based on convolutional neural network has achieved good results. However, the word vector representation is relatively single, and the extracted features are limited. In view of this problem, the word vector trained by Word2vec and the dependency relationship obtained by the natural language processing tool were used as the input vectors of the two channels in the model. Two-channel convolutional neural network was adopted to extract features to realize entity relationship extraction. This model can extract deeper semantic information and achieve better results than traditional word vectors.
下载PDF全文   

根据该篇关键词查找到本刊已发表相关论文供参考
序号
文  章  标  题
作者1
发表栏目
页码
摘要
1
基于深度学习的音频抑郁症识别
李金鸣
人工智能与识别
2019
9
161
[摘要]
2
基于卷积神经网络的室内场景三维重建技术研究
姚晓峰
图像处理与应用
2019
9
232
[摘要]
3
基于时空域深度神经网络的野火视频烟雾检测
张斌
图像处理与应用
2019
9
236
[摘要]
4
基于卷积神经网络模型的手写数字辨识算法研究
张烁
人工智能与识别
2019
8
172
[摘要]
5
基于深度卷积神经网络的图像去雾算法
李晓戈
图像处理与应用
2019
8
189
[摘要]
6
MLICP-CNN:基于CNN与ICP的多标记胸片置信诊断模型
吴能光
人工智能与识别
2019
7
177
[摘要]
7
基于多特征融合密集残差CNN的人脸表情识别
马中启
人工智能与识别
2019
7
197
[摘要]
8
基于GAN的对抗样本生成研究
孙曦音
人工智能与识别
2019
7
202
[摘要]
9
基于卷积神经网络的脐橙果梗脐部检测算法及应用
杜雨亭
人工智能与识别
2019
7
208
[摘要]
10
基于全卷积神经网络的屏幕区域定位算法
付泽伟
多媒体技术应用
2019
6
128
[摘要]
11
面向医疗设备的深度问答系统的设计
饶林尚
人工智能与识别
2019
6
171
[摘要]
12
基于改进卷积神经网络的单幅图像物体重建方法
张玉麒
图像处理与应用
2019
6
190
[摘要]
13
形态学与RCF相结合的唐卡图像边缘检测算法
刘千
图像处理与应用
2019
6
196
[摘要]
14
对抗样本生成在人脸识别中的研究与应用
张加胜
人工智能与识别
2019
5
158
[摘要]
15
基于多层连接卷积神经网络的单帧图像超分辨重建
贺瑜飞
图像处理与应用
2019
5
220
[摘要]
16
基于CNN-LSTM网络的声纹识别研究
闫河
人工智能与识别
2019
4
166
[摘要]
17
基于依存关系和双通道卷积神经网络关系抽取方法
吴佳昌
算法
2019
4
241
[摘要]
18
融合RBF的二值神经网络推荐模型
雷妍
应用技术与研究
2019
3
76
[摘要]
19
基于深度CNN和极限学习机相结合的实时文档分类
闫河
人工智能与识别
2019
3
174
[摘要]
20
基于改进的卷积神经网络的手势识别的研究
谢铮桂
人工智能与识别
2019
3
192
[摘要]
21
基于卷积神经网络嵌套模型的人群异常行为检测
孙月驰
人工智能与识别
2019
3
196
[摘要]
22
改进的基于卷积神经网络的图像超分辨率方法
王旺
图像处理与应用
2019
3
214
[摘要]
23
一种基于语义的上下位关系抽取方法
陈金栋
人工智能与识别
2019
2
216
[摘要]
24
二进制特征与联合层叠结构的人脸识别研究
胡佩
人工智能与识别
2019
2
228
[摘要]
25
基于改进卷积神经网络的动态障碍物检测方法
孙凯
人工智能与识别
2019
2
235
[摘要]
26
基于AlexNet的小样本水面漂浮物识别
李宁
人工智能与识别
2019
2
245
[摘要]
27
基于车载手机数据深度特征的驾驶行为识别
胡松
应用技术与研究
2019
1
59
[摘要]
28
基于局部-全局一致性学习的弱监督人手分割
谢志坚
人工智能与识别
2019
1
204
[摘要]
29
基于TextRank和字符级卷积神经网络的小学作文素材自动分类模型研究
朱晓亮
人工智能与识别
2019
1
220
[摘要]
30
基于改进深度卷积神经网络的病理图像有丝分裂检测算法研究
齐莹
人工智能与识别
2018
9
199
[摘要]
31
基于卷积神经网络的多标签飞机识别算法
孙振华
算法
2018
9
270
[摘要]
32
异构非易失性内存卷模式实现与应用
钱璐
软件技术与研究
2018
8
43
[摘要]
33
基于卷积神经网络的跨领域语义信息检索研究
谢先章
数据工程
2018
8
73
[摘要]
34
改进的Alexnet模型及在油井示功图分类中的应用
段友祥
人工智能与识别
2018
7
226
[摘要]
35
基于卷积神经网络和迁移学习的乳腺癌病理图像分类
郑群花
图像处理与应用
2018
7
237
[摘要]
36
基于卷积神经网络和E2LSH的遥感图像检索研究
彭晏飞
图像处理与应用
2018
7
250
[摘要]
37
基于改进卷积神经网络的机动车图像分类算法
王茜
图像处理与应用
2018
7
263
[摘要]
38
基于多通路CNN的多模态MRI神经胶质瘤分割
朱婷
人工智能与识别
2018
4
220
[摘要]
39
基于不可分小波变换与Zernike矩的印刷体汉字识别
刘斌
人工智能与识别
2018
4
227
[摘要]
40
基于联合分类器的非自然图像检索
许婷婷
图像处理与应用
2018
4
244
[摘要]
41
基于卷积神经网络的情感分析算法
李佳丽
算法
2018
4
287
[摘要]
42
基于卷积网络特征的逆向稀疏建模的目标跟踪
孙文静
人工智能与识别
2018
3
167
[摘要]
43
基于CIFAR-10的图像分类模型优化
张占军
图像处理与应用
2018
3
177
[摘要]
44
基于注意力的BiLSTM-CNN中文微博立场检测模型
白静
算法
2018
3
266
[摘要]
45
基于分块的有遮挡人脸识别算法
周孝佳
人工智能与识别
2018
2
183
[摘要]
46
改进的卷积神经网络图片分类识别方法
闫河
人工智能与识别
2018
12
193
[摘要]
47
基于神经网络融合的司机违规行为识别
李俊俊
图像处理与应用
2018
12
222
[摘要]
48
基于双向GRU神经网络和双层注意力机制的中文文本中人物关系抽取研究
张兰霞
应用技术与研究
2018
11
130
[摘要]
49
基于SqueezeNet的轻量化卷积神经网络SlimNet
董艺威
人工智能与识别
2018
11
226
[摘要]
50
基于深度学习的青梅品级半监督智能认知方法
李帷韬
图像处理与应用
2018
11
245
[摘要]
51
GMR生物传感器专用信号检测电路系统设计
文枰
应用技术与研究
2018
10
108
[摘要]
52
基于卷积神经网络和近红外光谱的土壤有机碳预测模型
史杨
人工智能与识别
2018
10
147
[摘要]
53
基于高斯混合模型与CNN的奶牛个体识别方法研究
刘杰鑫
人工智能与识别
2018
10
159
[摘要]
54
基于深度学习的脊柱CT图像分割
刘忠利
图像处理与应用
2018
10
200
[摘要]
55
基于多路特征融合和深度学习的露霜图像分类
周忠义
图像处理与应用
2018
10
205
[摘要]
56
基于深度学习的视频近似拷贝检索
冯兆华
多媒体技术应用
2018
1
160
[摘要]
57
基于SLAM算法和深度神经网络的语义地图构建研究
白云汉
人工智能与识别
2018
1
183
[摘要]
58
结合卷积神经网络不同层的特征进行包类商品检索
骆正茂
人工智能与识别
2018
1
195
[摘要]
59
基于深度学习的鱼类分类算法研究
顾郑平
人工智能与识别
2018
1
200
[摘要]
60
基于深度卷积神经网络的人脸识别技术综述
景晨凯
图像处理与应用
2018
1
223
[摘要]
61
基于卷积神经网络的色情图像检测
余明扬
图像处理与应用
2018
1
232
[摘要]
62
L2-SVM下的短文本情感分类动态CNN模型
鲁新新
算法
2018
1
298
[摘要]
63
基于卷积神经网络的信道均衡算法
陈敏华
算法
2017
9
257
[摘要]
64
基于改进的CNN多级分类的行人检测算法研究
杨杰
图像处理与应用
2017
8
220
[摘要]
65
远程监督人物关系抽取中的去噪研究
黄蓓静
数据工程
2017
7
11
[摘要]
66
基于深度卷积神经网络的人群密度估计方法
谭智勇
人工智能与识别
2017
7
130
[摘要]
67
基于语义依存分析的句子相似性度量算法及应用研究
李玲
算法
2017
7
244
[摘要]
68
基于卷积神经网络的中文微博情感分类
冯多
人工智能与识别
2017
4
157
[摘要]
69
基于度量学习的服装图像分类和检索
包青平
图像处理与应用
2017
4
255
[摘要]
70
一种可用于入侵防范的步态识别方法研究
杨春生
算法
2017
3
248
[摘要]
71
基于卷积神经网络的自然背景字符识别
郁松
图像处理与应用
2017
12
228
[摘要]
72
基于卷积神经网络的物品识别系统设计与实现
严圣军
应用技术与研究
2017
11
109
[摘要]
73
基于卷积神经网络的汽车型号识别
陈淑君
图像处理与应用
2017
11
228
[摘要]
74
一种基于深度学习的新型小目标检测方法
陈江昀
人工智能与识别
2017
10
227
[摘要]
75
一种改进的卷积神经网络的无参考JPEG2000图像质量评价方法
朱睿
图像处理与应用
2017
1
175
[摘要]
76
基于反卷积神经网络的脑脊液图像快速识别模型
黄文明
图像处理与应用
2016
7
225
[摘要]
77
一种用于行人检测的隐式训练卷积神经网络模型
黄咨
人工智能与识别
2016
5
148
[摘要]
78
基于多尺度特征学习的阴影检测
张永库
图像处理与应用
2016
5
185
[摘要]
79
基于GPU的卷积检测模型加速
刘琦
算法
2016
5
226
[摘要]
80
深度卷积神经网络在Caltech-101图像分类中的相关研究
段建
图像处理与应用
2016
12
165
[摘要]
81
基于多通道卷积神经网络的非结构化道路路表分析
崔巍
人工智能与识别
2016
1
159
[摘要]
82
一种改进的深度神经网络在小图像分类中的应用研究
吕刚
人工智能与识别
2014
4
182
[摘要]
83
倾向性文本判别相关特征的研究
吴明芬
应用技术与研究
2014
2
44
[摘要]
84
基于情感计算的商品评论分析系统
林钦和
软件技术与研究
2014
12
39
[摘要]