摘要

在人工智能技术研究的同时，自然语言处理领域也正积极开展相关研究，旨在理解和处理人类语言，即自然语言。对于计算机实现自主学习而言，自然语言理解能力至关重要。自然语言处理涵盖众多任务，本文重点关注命名实体识别与关系抽取任务，该任务被认为是理解句子语义的核心。为此，我们提出了一种名为DeNERT-KG的模型，能够提取句子中的主体、客体及其关系，从而把握句子内在语义。该模型基于BERT语言模型与深度Q网络（Deep Q-Network）构建命名实体识别（NER）模块，用于抽取主体与客体；同时引入知识图谱技术实现关系抽取。通过DeNERT-KG模型，可从句子中提取主体、主体类型、客体、客体类型及二者之间的关系，并通过实验验证了该模型的有效性。