基于远监督的中文关系抽取

目前关系抽取方法中，传统深度学习方法存在长距离依赖问题，并且未考虑模型输入与输出的相关性。针对以上问题，提出了一种将LSTM（long short-term memory）模型与注意力机制相结合的关系抽取方法。将文本信息向量化，提取文本局部特征，再将文本局部特征导入双向LSTM模型中，通过注意力机制对LSTM模型的输入与输出之间的相关性进行重要度计算，根据重要度获取文本整体特征；最后将局部特征和整体特征进行特征融合，通过分类器输出分类结果。在SemEval-2010 task 8语料库上的实验结果表明，该方法的准确率和稳定性较传统深度学习方法有进一步提高，为自动问答、信息检索以及本体学习等领域提供了方法支持。

本文档主要讲解deepdive的使用方法和编程方法，讲解细致，有代码展示。需要的同学可以下载查阅，学习。

SemEval2010 任务8 实体关系抽取数据集 已经标注的语料 SemEval2010 任务8 实体关系抽取数据集 已经标注的语料

该方法利用依存句法分析简称依存分析实现开放式中文实体关系抽取，首先对一个句子进行依存分析，再结合中文语法启发式规则和依存分析的结果抽取关系表述，并根据距离确定论元位置，最后进行三元组输出。

有三个文件，1.经济方面的实体关系数据集 2.几篇中文实体论文 3.SemEval2010_任务8_实体关系抽取数据集

CCSK2018-2019智能问答数据集.rar

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。

实验代码：relation_Extraction.zip

SemEval2010 任务8 实体关系抽取数据集 已经标注的语料 从其他地方整理过来，欢迎下载使用！