您当前的位置:首页 > 详细浏览

文献详情

基于双向LSTM和GBDT的中医文本关系抽取模型

提交时间: 2018-10-11
作者: 罗计根 1 ; 杜建强 1 ; 聂斌 1 ; 熊旺平 1 ; 刘蕾 1 ; 贺佳 1 ;
作者单位: 1.江西中医药大学 计算机学院;

内容摘要

为解决采用Softmax作为长短期记忆网络分类器导致实体关系识别模型泛化能力不足,不能较好适用中医实体关系抽取等问题,提出一种融合梯度提升树的双向长短期记忆网络的关系识别算法(BILSTM-GBDT)。先采用word2vec对中医文本进行向量化表示,再利用基于注意力机制的双向长短期记忆网络提取高阶特征,最后采用集成分类模型梯度提升树作为特征分类器,提高关系识别效果。在中医等多个关系语料库上的实验结果表明,该模型与传统SVM方法、GBDT方法及其深度学习方法相比,均有更高的精确率、召回率和F值。
点击下载全文 评论 来自合作期刊:《计算机应用研究》 点击量:1655 下载量:148
期刊:计算机应用研究
推荐引用方式: 罗计根,杜建强,聂斌,熊旺平,刘蕾,贺佳.(2018).基于双向LSTM和GBDT的中医文本关系抽取模型.计算机应用研究.doi:10.12074/201810.00017 (点此复制)
版本历史
[V1] 2018-10-11 09:20:10 chinaXiv:201810.00017V1 下载全文
相关论文推荐

点击下载全文

当前浏览

更改浏览

跨类浏览

  • - 暂无