基于神經(jīng)網(wǎng)絡(luò)的關(guān)系抽取關(guān)鍵技術(shù)研究
【文章頁數(shù)】:144 頁
【學(xué)位級別】:博士
【部分圖文】:
圖2–4主動學(xué)習(xí)工作流
斜鶩?紜A礁鐾?縵嗷ザ鑰、矚g系髡?問??鈧漳康氖鞘古斜鶩?絡(luò)無法判斷生成網(wǎng)絡(luò)的輸出結(jié)果是否真實。至此,我們將得到一個深諳數(shù)據(jù)分布的生成網(wǎng)絡(luò),產(chǎn)生足夠以假亂真的數(shù)據(jù)。生成對抗網(wǎng)絡(luò)能夠在較少樣本的情況下,通過訓(xùn)練良好的生成網(wǎng)絡(luò)來生成數(shù)據(jù)。因此,生成對抗網(wǎng)絡(luò)被廣泛應(yīng)用在圖片生成[11....
圖1–1基于神經(jīng)網(wǎng)絡(luò)的句子編碼器
神經(jīng)關(guān)系抽取指基于神經(jīng)網(wǎng)絡(luò)的關(guān)系抽取技術(shù)1。神經(jīng)關(guān)系抽取的興起源自神經(jīng)網(wǎng)絡(luò)模型在圖像識別領(lǐng)域取得的巨大成功,深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)在圖像識別的基準(zhǔn)任務(wù)ImageNet上取得了革命性的提升[18]。自此之后深度神經(jīng)網(wǎng)絡(luò)模型開始統(tǒng)治圖像識別領(lǐng)域的各類任務(wù)。受到圖像識別領(lǐng)域成功應(yīng)用....
圖1–2遠(yuǎn)程監(jiān)督關(guān)系抽取工作流
根據(jù)定義可知,遠(yuǎn)程監(jiān)督的關(guān)系抽取方法不再依賴手工標(biāo)注的數(shù)據(jù)集,提高了關(guān)系抽取解決方案的自動化程度,使得大規(guī)模關(guān)系抽取成為可能。然而,遠(yuǎn)程監(jiān)督的方法有明顯的缺陷。在很多情況下,其基本假設(shè)并不成立,也就是會有大量的錯誤標(biāo)注問題。例如,在句子“SteveJobspassedawa....
圖1–3研究架構(gòu)圖
本文從四個不同維度出發(fā),系統(tǒng)地研究了關(guān)系抽取任務(wù),強(qiáng)調(diào)在不同維度上關(guān)系抽取任務(wù)面臨的獨特挑戰(zhàn)。例如,在模型精度方面我們的研究關(guān)注多標(biāo)簽關(guān)系識別中重疊特征的提取問題,而在模型效率方面我們的研究重點討論神經(jīng)網(wǎng)絡(luò)模型如何在不損失精度的前提下降低時空復(fù)雜性。雖然本研究的四個部分是彼此相對....
本文編號:3950401
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/3950401.html