软件学报

作者：鄂海红,张文静,肖思琪,程瑞,胡莺夕,周筱松,牛佩晴

单位：鄂海红，北京邮电大学 计算机学院 数据科学与服务中心, 北京 100876;教育部信息网络工程研究中心(北京邮电大学), 北京 10087611,张文静，北京邮电大学 计算机学院 数据科学与服务中心, 北京 100876;教育部信息网络工程研究中心(北京邮电大学), 北京 10087602,肖思琪，北京邮电大学 计算机学院 数据科学与服务中心, 北京 100876;教育部信息网络工程研究中心(北京邮电大学), 北京 10087603,程瑞，北京邮电大学 计算机学院 数据科学与服务中心, 北京 100876;教育部信息网络工程研究中心(北京邮电大学), 北京 10087604,胡莺夕，北京邮电大学 计算机学院 数据科学与服务中心, 北京 100876;教育部信息网络工程研究中心(北京邮电大学), 北京 10087605,周筱松，北京邮电大学 计算机学院 数据科学与服务中心, 北京 100876;教育部信息网络工程研究中心(北京邮电大学), 北京 10087606,牛佩晴，北京邮电大学 计算机学院 数据科学与服务中心, 北京 100876;教育部信息网络工程研究中心(北京邮电大学), 北京 10087607

关键词：实体关系抽取;深度学习;联合学习;远程监督;生成对抗网络

基金：国家重点研发计划（2018YFB1403501）

实体关系抽取作为信息抽取、自然语言理解、信息检索等领域的核心任务和重要环节，能够从文本中抽取实体对间的语义关系.近年来，深度学习在联合学习、远程监督等方面上的应用，使关系抽取任务取得了较为丰富的研究成果.目前，基于深度学习的实体关系抽取技术，在特征提取的深度和模型的精确度上已经逐渐超过了传统基于特征和核函数的方法.围绕有监督和远程监督两个领域，系统总结了近几年来中外学者基于深度学习的实体关系抽取研究进展，并对未来可能的研究方向进行了探讨和展望.

来源：2019年第6期

《软件学报》期刊编辑部

查看软件学报杂志2019年第6期