隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,各種信息在網(wǎng)絡(luò)上交相輝映。在這個信息爆炸的時代,如何從大規(guī)模信息中高效準確的獲得用戶關(guān)心的內(nèi)容成為亟需解決的問題。關(guān)系抽取和知識庫問答作為自然語言處理的核心任務(wù),對于解決此類問題起著重要的作用。關(guān)系抽取可以從大量自然語言文本中抽取結(jié)構(gòu)化信息,目前廣泛使用的關(guān)系抽取訓練集存在一定的噪音,使用這些結(jié)構(gòu)化信息輔助監(jiān)督關(guān)系抽取可以有效地緩解噪音帶來的影響。本文將出現(xiàn)在知識庫但未在訓練集出現(xiàn)的實體稱作未登錄實體。在實際使用過程中,因為缺乏未登錄實體的表示,關(guān)系抽取的大多數(shù)方法不能很好地處理涉及這些實體的樣本。知識庫問答一般可以分為實體鏈接和關(guān)系檢測兩個步驟。相比于實體鏈接只需要問句和知識庫實體的詞匯級別匹配,關(guān)系檢測需要理解整句話的語義,因而更具有挑戰(zhàn)性。由于知識庫所覆蓋的關(guān)系種類眾多,對知識庫的所有關(guān)系標注足量的語料用以訓練關(guān)系檢測模型是不現(xiàn)實的。同樣地,本文將沒有標注訓練語料的關(guān)系稱作未登錄關(guān)系。實際使用中,知識庫問答系統(tǒng)不能很好地回答涉及未登錄關(guān)系的問題。在開放域的知識庫問答中,這種現(xiàn)象尤為嚴重。本文主要對未登錄實體和關(guān)系的表示進行研究,主要工作內(nèi)容如下:1.本文提出... 

【文章頁數(shù)】：94 頁

【學位級別】：碩士

【部分圖文】：

圖１－２：智能問答的歷史??

圖２－２：利用詞嵌入技術(shù)表示知識庫子圖??２．４知識庫問答??相比于一般的問答系統(tǒng)，知識庫問答依托于一個結(jié)構(gòu)化的知識庫。這些??知識庫以“＜?實體，關(guān)系，實體?＞”這樣的三元組組成圖結(jié)構(gòu)。知識庫問答??就是通過語義分析將問題轉(zhuǎn)化為結(jié)構(gòu)化的查詢語句，進而查詢知識庫，得到??答案。例如？？?“ｗｈｏ?ｉｓ?ｔｈｅ?ＣＥＯ?ｏｆ?Ａｐｐｌｅ?ｉｎｃ＿？”，可以將這句話轉(zhuǎn)化成如Ｆ的??ＳＰＡＲＱＬ?ｉ吾句?“ＳＥＬＥＣＴ?？ｎａｍｅ?ＷＨＥＲＥ?｛？ｎａｍｅ?ＣＥＯ＿ｏｆ?Ａｐｐｌｅ．｝；”?，其中得到??實體“Ａｐｐｌｅ．”和關(guān)系“ＣＥＯ＿ｏｆ”是轉(zhuǎn)化為結(jié)構(gòu)化查詢語句的重要步驟。??知識庫問答的一般流程是：先進行實體鏈接，得到問題涉及的實體在知識??庫的ｉｄ，然后進行關(guān)系檢測，識別這個問句所對應(yīng)的關(guān)系。實體鏈接中最重要??的就是實體的識別，識別過程中，一般采用序列化標注的方法，即標注一個問??句中哪些詞屬于實體。在關(guān)系檢測（Ｒｅｌａｔｉｏｎ?Ｄｅｔｅｃｔｉｏｎ，?ＲＤ）①方面，傳統(tǒng)的基??于符號的語義分析方法由于受到符號間的語義鴻溝的影響，已經(jīng)不適合應(yīng)用在??。些

??不幸的是，在一個具有大量未登錄詞的場景下，初始化的方法會造成已登??錄詞和未登錄詞之間有明顯的界限。如圖３－１ＰＩ？所示，其中紅色代表罕見??詞，藍色代表常用詞，圖３－ｌａ是在ＷＭＴ１４翻譯任務(wù)上訓練的詞嵌入表示，??圖３－ｌｂ是在Ｇｏｏｇｌｅ?Ｎｅｗｓ使用ｗｏｒｄ２ｖｅｃ訓練得到的詞表不�？梢钥闯鲇柧毜�??到的詞表示有很明顯的分界線，罕見詞總是聚集在一起。同樣的，在知識庫問??答的場景下，當存在大量未登錄關(guān)系時，微調(diào)表示會導致只有已登錄關(guān)系的表??示會被調(diào)整到正確的位置，未登錄關(guān)系的表示由于沒有對應(yīng)的樣本作為訓練??集，所以很難被更新到正確的位置上。特別地，在多分類任務(wù)上，標簽是互斥??的，未登錄關(guān)系只能作為負樣本被隨機更新，還具有很高的不確定性。??；ｃ．??，?？?

【參考文獻】：
期刊論文
[1]基于表示學習的知識庫問答研究進展與展望[J]. 劉康,張元哲,紀國良,來斯惟,趙軍.  自動化學報. 2016(06)



本文編號：3648319