實(shí)體關(guān)系抽取旨在從大規(guī)模語料中抽取給定實(shí)體之間的語義關(guān)系,是知識庫構(gòu)建和智能問答等自然語言技術(shù)的重要基礎(chǔ)。復(fù)述是指自然語言中的同質(zhì)異構(gòu)現(xiàn)象,用以描述語義相近但語法結(jié)構(gòu)不同的句子。本文結(jié)合復(fù)述識別的相關(guān)技術(shù),針對關(guān)系抽取語料缺乏和關(guān)系表征模型信息量不足的問題作出以下優(yōu)化:(1)基于復(fù)述約束的遠(yuǎn)程監(jiān)督關(guān)系抽取針對實(shí)體關(guān)系抽取訓(xùn)練語料匱乏的問題,本文提出一種基于復(fù)述約束的遠(yuǎn)程監(jiān)督關(guān)系抽取。首先通過遠(yuǎn)程監(jiān)督方法擴(kuò)展語料,在此基礎(chǔ)上引入關(guān)系類型的定義,以定義語句作為關(guān)系類型的語義約束,利用復(fù)述識別方法,判定擴(kuò)展樣本與定義語句之間是否存在復(fù)述關(guān)系,從而對不滿足復(fù)述關(guān)系的樣本進(jìn)行過濾。實(shí)驗(yàn)證明該方法優(yōu)于現(xiàn)有前沿的監(jiān)督學(xué)習(xí)模型性能,并在一定程度上緩解了遠(yuǎn)程監(jiān)督帶來的噪聲影響。(2)融合多粒度信息的關(guān)系表征模型針對傳統(tǒng)關(guān)系抽取模型中的錯誤累積,以及現(xiàn)有深度學(xué)習(xí)模型在表征能力上不足的問題,本文提出一種融合多粒度信息的卷積循環(huán)神經(jīng)網(wǎng)絡(luò)模型。該模型綜合利用卷積神經(jīng)網(wǎng)絡(luò)抽取多粒度局部特征的優(yōu)勢和循環(huán)神經(jīng)網(wǎng)絡(luò)捕獲序列信息的能力。同時(shí),通過注意力機(jī)制、逐元素最大池化等多種融合策略對多粒度特征進(jìn)行融合。實(shí)驗(yàn)證明,該方法...

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３－１方法整體流程圖??３．２．１基于遠(yuǎn)程監(jiān)督?

基于復(fù)述與多信息融合的關(guān)系抽取方法研究?第三章基于復(fù)述約束的遠(yuǎn)程監(jiān)督關(guān)系抽取??３．２算法簡介??本文以遠(yuǎn)程監(jiān)督的語料生成方法為基礎(chǔ)，通過復(fù)述識別模型度量擴(kuò)充語料和關(guān)系??類型定義的語義相似度，從而對遠(yuǎn)程監(jiān)督的結(jié)果進(jìn)行優(yōu)化。本文方法框架如圖３－１所??示，首先通過遠(yuǎn)程監(jiān)督方法鏈接....

圖３－２維基百科頁面的丨ｎｆｏ?

第三章基于復(fù)述約束的遠(yuǎn)程監(jiān)替關(guān)系抽取?基于復(fù)述與多信總?cè)诤系年P(guān)系抽取方法研究??作為知識庫，將維基百科頁面下的文本描述內(nèi)容以及紐約時(shí)報(bào)的新聞?wù)Z料作為外部語??料庫，用于生成樣本。下面將具體介紹兩種資源以及遠(yuǎn)程監(jiān)督方法的具體實(shí)現(xiàn)。??圖３－２顯示了維基百科中關(guān)于實(shí)體“Ｍｆｃｍｓｑ／....

圖３－４樣本過濾算法流程??但是，通過上述方法組織訓(xùn)練樣本會使得正負(fù)例樣本嚴(yán)重失衡，因?yàn)槌藰颖咀??

。??本文提出的基于復(fù)述約束的樣本過濾模型，將生成樣本是否滿足關(guān)系類型定義作??為分類目標(biāo)。因此，本文將遠(yuǎn)程監(jiān)督的生成樣本和關(guān)系類型定義進(jìn)行組合，作為基于??復(fù)述約束的樣本過濾模型的分類對象。在訓(xùn)練過程中，通過組合人Ｔ：標(biāo)注樣本和關(guān)系??類型定義生成訓(xùn)練樣本。具體地，本文隨機(jī)采樣....

圖４－１?ＣＲＮＮ模型框架??４．２．１框架概述??本章的模型框架主要由四部分構(gòu)成，分別是輸入序列表示、卷積層、聚合層和循??

基于復(fù)述與多信總?cè)诤系年P(guān)系抽取方法研宄?第四章融合多粒度信息的關(guān)系表征模型??？探宄了多種聚合策略對信息融合的效果。??本章的組織如下：第二節(jié)介紹模型的框架和內(nèi)部各模塊策略，第三節(jié)給出實(shí)驗(yàn)設(shè)??置、實(shí)驗(yàn)結(jié)果和分析。??４．２算法簡介??本章的關(guān)系抽取模型主要包括如下三部分：卷積層....

本文編號：4042173