清华大学学报(自然科学版)

作者：胡明昊, 王芳, 徐先涛, 罗威, 刘晓鹏, 罗准辰, 谭玉珊

单位：军事科学院军事科学信息研究中心, 北京 100142

关键词：国防科技,开放信息抽取,主谓宾-宾补结构,知识图谱,预训练语言模型

基金：国家自然科学基金青年项目(62006243)\r\n

互联网开源渠道蕴含大量国防科技信息资源, 是获取高价值军事情报的重要数据来源。 国防科技领域开放信息抽取(open information extraction, OpenIE)旨在从海量信息资源中进行主谓宾-宾补(SAO-C)结构元组抽取, 其对于国防科技领域本体归纳、 知识图谱构建等具有重要意义。 然而, 相比其他领域的信息抽取, 国防科技领域开放信息抽取面临元组重叠嵌套、 实体跨度长且难识别、 领域标注数据缺乏等问题。 本文提出一种国防科技领域两阶段开放信息抽取方法, 首先利用基于预训练语言模型的序列标注算法抽取谓语, 然后引入多头注意力机制来学习预测要素边界。 结合领域专家知识, 利用基于实体边界的标注策略构建了国防科技领域标注数据集, 并在该数据集上进行了实验, 结果显示该方法的F1值在两阶段上比长短期记忆结合条件随机场(LSTM+CRF)方法分别提高了3.92%和16.67百分点。

来源：2023年第9期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2023年第9期