DeNERT-KG: модель извлечения именованных сущностей и отношений с использованием DQN, графа знаний и BERT

Наряду с исследованиями в области технологий искусственного интеллекта активно ведутся исследования в области обработки естественного языка, направленные на понимание и обработку человеческой речи, то есть естественного языка. Для самостоятельного обучения компьютеров способность понимать естественный язык имеет первостепенное значение. Обработка естественного языка включает широкий спектр задач; в данной работе основное внимание уделяется распознаванию именованных сущностей и извлечению отношений, которые считаются ключевыми задачами для понимания предложений. Мы предлагаем DeNERT-KG — модель, способную извлекать субъекты, объекты и отношения для выявления смысла, содержащегося в предложении. На основе языковой модели BERT и глубокой Q-сети (Deep Q-Network, DQN) разработана модель распознавания именованных сущностей (NER) для извлечения субъектов и объектов, а для извлечения отношений применяется граф знаний. С помощью модели DeNERT-KG из предложения можно извлекать субъект, тип субъекта, объект, тип объекта и отношение; модель验证ена экспериментально.