为了解决传统人物关系抽取方法中特征选择困难及不全的问题,本文拟提出一种基于双向长短时记忆网络的人物关系抽取方法(Character Relationship Extraction Method based on BiLSTM,CRE-BiLSTM).首先选取了基于CBOW的Word2vec模型训练词向量,并完成了对互动百科数据集词向量的转化工作.然后使用BiLSTM神经网络获取更为完整的上下文特征信息,从而提取出文本深度词向量特征.最后通过基于Softmax函数分类器对人物关系抽取进行分类.实验结果显示,本文提出的CRE-BiLSTM模型不需要人工定义复杂的特征就可以抽取人物关系且平均F值可达到84.5％.
展开▼
