基于Attention-Comprehension OpenTag的人物属性抽取算法
New Generation of Information Technology（2022）
摘要
人物属性抽取的主要目标是从非结构化文本中获取人物实体的属性值,属性抽取任务在电商领域的研究已十分成熟,但在人物属性领域的研究却十分鲜有.针对人物属性抽取任务中一词多义问题和属性类别区分困难问题,本文基于电商领域中的Attention-Comprehension OpenTag模型,首先通过BERT编码器来解决一词多义的问题,然后利用Attention机制,将属性信息融合到输入中来解决属性类别区分困难的问题.并且在多类别人物属性抽取数据集CPAR上进行实验,在测试集的效果达到0.93的F1-Score,对比经典的BiLSTM+CRF模型,Attention-Comprehension OpenTag模型的效果提升0.2.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要