基于深度神经网络的关系抽取研究综述

关系抽取作为信息抽取领域近年来的研究热点，从宏观上可具体分为基于流水线的关系抽取、联合抽取和远程监督等，其中各个类别的关键性问题并不相通。近年来深度神经网络因其强大的语义表征能力，逐渐取代传统的机器学习成为关系抽取的基本模型，又可根据抽取方法细分为基于特征、卷积神经网络和注意机制模型等的关系抽取任务。随着数据规模的不断增大，自动高效地从文本中抽取结构化信息并构建知识库具有重大意义，关系抽取的研究和发展更具有必要性。文章对深度学习模型在各类关系抽取任务中的应用进行系统性评述，先主要介绍了常用的语料集及其规模、构建方式等;然后介绍深度神经网络在基于流水线的关系抽取和联合抽取任务中的具体应用，并描述两类任务的重难点问题。最后，文章认为迁移学习和小样本学习在基于深度神经网络的关系抽取研究中更具挑战性和普遍性。

A Review of Relation Extraction Methods Based on Deep Neural Network Mechanism