1.3.3 基于深度学习的方法

近年来，随着深度学习的引入，已有许多深度学习模型被用来进行信息抽取，如卷积神经网络、时序神经网络和递归神经网络。相比传统的统计信息抽取模型，这些深度学习模型无须人工定义的特征模板，能够自动地学习出信息抽取的有效特征；同时神经网络的深度结构使得深度学习模型具有更好的表达能力。因此，在标注语料充分的情况下，深度学习模型往往能够取得比传统方法更好的性能。深度学习模型往往需要大量的标注语料来学习，这导致构建开放域或互联网环境下的信息抽取系统时往往会遇到标注语料瓶颈。为解决上述问题，近年来已经开始研究高效的弱监督或无监督策略，如半监督算法、远距离监督算法、基于海量数据冗余性的自学习方法等。