TY -的A2 De Maio卡门AU -李,君非盟-黄,Guimin AU - Chen Jianheng AU -王,今年PY - 2019 DA - 2019/07/14 TI -双CNN关系提取知识的关注和字嵌入的SP - 6789520六世- 2019 AB -关系抽取是文本的潜在关键任务的理解。然而,现有的方法目前有缺陷实例选择和缺乏实体识别的背景知识。在本文中,我们提出一个基于知识的注意力模型,可以充分利用监督信息从一个知识库,选择一个实体。我们也设计一个双卷积神经网络(cnn)的方法考虑每个单词的词嵌入限制通过使用一个单一的训练工具。该模型结合了CNN的注意机制。模型中插入这个词从知识库和监督信息嵌入到CNN,执行卷积和池,结合知识库和CNN的完整的连接层。基于这些过程,模型不仅获得更好的实体表示,也提高的性能关系的帮助下提取丰富的背景知识。实验结果表明,该模型实现竞争力的性能。SN - 1687 - 5265 UR - https://doi.org/10.1155/2019/6789520 - 10.1155 / 2019/6789520摩根富林明计算智力和神经科学PB - Hindawi KW - ER