国防科技领域两阶段开放信息抽取方法

作者：胡明昊; 王芳; 徐先涛; 罗威; 刘晓鹏; 罗准辰; 谭玉珊

来源：清华大学学报, 2023, 63(09): 1309-1316.

DOI：10.16511/j.cnki.qhdxxb.2023.21.010

• 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

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。

• 出版日期2023