隨著知識(shí)圖譜構(gòu)建技術(shù)的日益完善,越來(lái)越多基于知識(shí)圖譜的應(yīng)用開(kāi)始出現(xiàn)。人們的目光開(kāi)始從通用領(lǐng)域知識(shí)圖譜轉(zhuǎn)向垂直領(lǐng)域知識(shí)圖譜。垂直領(lǐng)域知識(shí)圖譜的領(lǐng)域性較強(qiáng),根據(jù)業(yè)務(wù)需求會(huì)存在不同的數(shù)據(jù)類型以及數(shù)據(jù)模式。關(guān)系抽取是信息抽取任務(wù)中子任務(wù),是構(gòu)建知識(shí)圖譜的關(guān)鍵步驟之一,意圖從非結(jié)構(gòu)化的數(shù)據(jù)中獲得已識(shí)別實(shí)體的關(guān)系并對(duì)知識(shí)圖譜進(jìn)行填充。本文主要對(duì)知識(shí)圖譜構(gòu)建中關(guān)系抽取這一任務(wù)進(jìn)行研究,針對(duì)不用類型的電力文本,使用不同的關(guān)系抽取方法進(jìn)行電力領(lǐng)域?qū)嶓w三元組抽取,并繪制圖譜。本文從兩個(gè)方面進(jìn)行研究:(1)針對(duì)電力調(diào)度管理規(guī)程文本,本文采用依存句法分析的方法對(duì)實(shí)體三元組進(jìn)行抽取。通過(guò)對(duì)抽取實(shí)體進(jìn)行補(bǔ)全以及對(duì)于長(zhǎng)難句并列結(jié)構(gòu)的處理,基于基本的漢語(yǔ)語(yǔ)法結(jié)構(gòu),圍繞核心動(dòng)詞自動(dòng)抽取了較為準(zhǔn)確的實(shí)體三元組。結(jié)果證明對(duì)于文章結(jié)構(gòu)特征明顯但句子結(jié)構(gòu)復(fù)雜的電力調(diào)度管理規(guī)程文本,基于依存句法分析的關(guān)系抽取方法依舊可以較好的效果。最后將自動(dòng)抽取結(jié)果同文本中的結(jié)構(gòu)化數(shù)據(jù)結(jié)合繪制知識(shí)圖譜。(2)針對(duì)網(wǎng)上可獲取的大量數(shù)據(jù),本文采用遠(yuǎn)程監(jiān)督方法構(gòu)建了一個(gè)電力領(lǐng)域用于實(shí)體關(guān)系抽取的數(shù)據(jù)集。分別對(duì)比了雙向長(zhǎng)短期記憶網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)以及分...

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1基于機(jī)器學(xué)習(xí)的關(guān)系抽取流程圖

中國(guó)地質(zhì)大學(xué)（北京）碩士學(xué)位論文3方法構(gòu)建了醫(yī)學(xué)中疾病和病癥之間的關(guān)系的語(yǔ)料庫(kù)。首先對(duì)疾病以及病癥的實(shí)體進(jìn)行識(shí)別，然后根據(jù)依存句法獲取模板，最終通過(guò)人工校對(duì)得到了較為均衡的疾病與病癥的實(shí)體關(guān)系抽取訓(xùn)練集�；谝�(guī)則的方法可以獲取較高的準(zhǔn)確率，但是由于所獲得的一系列模板只能對(duì)部分語(yǔ)句....

圖2-1CBOW模型結(jié)構(gòu)示意圖

中國(guó)地質(zhì)大學(xué)（北京）碩士學(xué)位論文11通過(guò)使用線性映射得到了概念的隱含空間表達(dá)。Mikolov[33][34]等人于2013年提出目前普遍使用兩個(gè)模型：連續(xù)詞袋模型（ContinuousBagofWord，CBOW）以及連續(xù)跳躍語(yǔ)法模型（ContinuousSkip-Gram）。圖....

圖2-2Skip-gram模型結(jié)構(gòu)示意圖

相關(guān)理論基礎(chǔ)12圖2-2Skip-gram模型結(jié)構(gòu)示意圖2.2卷積神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetwork，CNN）于1995年由YannLeCun[35]首次提出。卷積神經(jīng)網(wǎng)絡(luò)是一種深層的前饋神經(jīng)網(wǎng)絡(luò)，具有局部感受野、權(quán)值共享以及池化三個(gè)重要思....

圖2-3LeNet-5卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖[36]

相關(guān)理論基礎(chǔ)12圖2-2Skip-gram模型結(jié)構(gòu)示意圖2.2卷積神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetwork，CNN）于1995年由YannLeCun[35]首次提出。卷積神經(jīng)網(wǎng)絡(luò)是一種深層的前饋神經(jīng)網(wǎng)絡(luò)，具有局部感受野、權(quán)值共享以及池化三個(gè)重要思....

本文編號(hào)：3931928