傳統(tǒng)的基于特征的實體關(guān)系抽取多基于SVM分類,并且以實體特征與實體所在句子特征來描述實體關(guān)系,抽取效果已經(jīng)難以提高。針對以上研究面向中文STEM領(lǐng)域,基于特征增強(qiáng)實現(xiàn)知識點之間關(guān)系的抽取�；诓煌P(guān)系模式的統(tǒng)計結(jié)果,根據(jù)知識點與核心謂語、知識點與語義角色之間的距離提取位置特征;并使用中學(xué)學(xué)科教材內(nèi)容來訓(xùn)練word2vec模型,通過計算知識點對之間的相似度獲得基于詞向量的特征,得到更深層的語義信息。使用提取的特征訓(xùn)練支持向量機(jī)（SVM）與K-近鄰（KNN）作為分類器算法來預(yù)測知識點之間的關(guān)系。實驗數(shù)據(jù)選取了新課標(biāo)高中化學(xué)與物理教材內(nèi)容。與傳統(tǒng)特征與方法相比,提取的特征與方法可有效提高關(guān)系抽取的F度量。最后,采用提出的關(guān)系抽取方法構(gòu)建了中學(xué)多學(xué)科知識圖譜。 

【文章來源】：計算機(jī)應(yīng)用研究. 2020,37(S1)北大核心CSCD

【文章頁數(shù)】：3 頁

【參考文獻(xiàn)】：
期刊論文
[1]實體關(guān)系抽取的技術(shù)方法綜述[J]. 徐健,張智雄,吳振新.  現(xiàn)代圖書情報技術(shù). 2008(08)
[2]基于核函數(shù)中文關(guān)系自動抽取系統(tǒng)的實現(xiàn)[J]. 劉克彬,李芳,劉磊,韓穎.  計算機(jī)研究與發(fā)展. 2007(08)

博士論文
[1]面向開放領(lǐng)域文本的實體關(guān)系抽取[D]. 郭喜躍.華中師范大學(xué) 2016



本文編號：3221244