基于改進(jìn)分段卷積神經(jīng)網(wǎng)絡(luò)和知識蒸餾的學(xué)科知識實體間關(guān)系抽取

摘要： 關(guān)系抽取是梳理學(xué)科知識的重要手段以及構(gòu)建教育知識圖譜的重要步驟。在當(dāng)前研究中，如BERT(Bidirectional Encoder Representations from Transformers)等以Transformer架構(gòu)為基礎(chǔ)的預(yù)訓(xùn)練語言模型多數(shù)存在參數(shù)量大、復(fù)雜度過高的問題，難以部署于終端設(shè)備，限制了在真實教育場景中的應(yīng)用。此外，大多數(shù)傳統(tǒng)的輕量級關(guān)系抽取模型并不... （共9頁）