基于對比學習與梯度懲罰的實體關系聯(lián)合抽取模型

摘要： 針對使用全局指針網絡進行實體關系抽取時特征信息不明顯的實體關系類型數(shù)據(jù)稀疏問題，以及數(shù)據(jù)中存在的類別不平衡和錯誤標注問題，提出一種基于對比學習和梯度懲罰方法并使用改進的RoBERTa預訓練模型的實體關系聯(lián)合抽取模型，在阿里天池中文醫(yī)療信息處理評測基準數(shù)據(jù)集CBLUE2.0上進行實驗的結果表明，該模型相比全局指針網絡效果更優(yōu)，能更有效完成復雜數(shù)據(jù)的實體關系抽取. （共8頁）