隨著互聯(lián)網(wǎng)的興起,每天都有不同形式的大量的文本數(shù)據(jù)產(chǎn)生:新聞、研究文獻(xiàn)、博客、論壇文字以及社交媒體評論等。很多重要有用的信息隱藏在其中,如何從這些自由文本中自動抽取所需要的信息是一個關(guān)鍵并且重要的一步。信息抽取任務(wù)就是為此目標(biāo)而誕生。本文主要研究信息抽取子任務(wù)之一的實(shí)體關(guān)系抽取任務(wù)。該任務(wù)旨在識別文本中出現(xiàn)的實(shí)體,并判斷出實(shí)體之間存在的關(guān)系。傳統(tǒng)的有監(jiān)督實(shí)體關(guān)系抽取通常采用基于流水線的方法,即實(shí)體模型和關(guān)系模型分開訓(xùn)練。在測試階段,先用實(shí)體模型識別出實(shí)體,然后關(guān)系模型找出這些實(shí)體之間的關(guān)系。這種流水線的方法存在著錯誤傳播的缺點(diǎn),前一個任務(wù)的錯誤會累積到后一個任務(wù)。為了緩解這一問題,研究人員提出了聯(lián)合模型。聯(lián)合模型將兩個子模型統(tǒng)一建模,可以進(jìn)一步利用兩個任務(wù)之間的潛在信息,以緩解錯誤傳播的缺點(diǎn)。聯(lián)合模型的難點(diǎn)是如何加強(qiáng)實(shí)體模型和關(guān)系模型之間的交互,比如實(shí)體模型和關(guān)系模型的輸出之間存在著一定的約束,在建模的時候考慮到此類約束將有助于聯(lián)合模型的性能。另一方面,為了解決實(shí)體關(guān)系抽取數(shù)據(jù)集難以獲得的問題,遠(yuǎn)程監(jiān)督的方法也被提出來。其主要思想是利用知識庫和大規(guī)模文本數(shù)據(jù)對齊,自動構(gòu)建大規(guī)模的訓(xùn)練集...

【文章頁數(shù)】：137 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景
    1.2 本文貢獻(xiàn)
    1.3 各章組織
第二章 實(shí)體關(guān)系抽取技術(shù)基礎(chǔ)
    2.1 實(shí)體識別
    2.2 關(guān)系抽取
    2.3 聯(lián)合實(shí)體關(guān)系抽取
    2.4 深度學(xué)習(xí)基礎(chǔ)
第三章 融合異構(gòu)數(shù)據(jù)的實(shí)體關(guān)系抽取
    3.1 引言
    3.2 相關(guān)工作
    3.3 融合異構(gòu)數(shù)據(jù)的實(shí)體關(guān)系抽取框架
    3.4 實(shí)驗(yàn)
    3.5 總結(jié)
第四章 基于語言學(xué)規(guī)則的遠(yuǎn)程監(jiān)督實(shí)體關(guān)系抽取
    4.1 引言
    4.2 相關(guān)工作
    4.3 基于語言學(xué)規(guī)則的傾向性關(guān)系抽取框架
    4.4 實(shí)驗(yàn)
    4.5 總結(jié)
第五章 基于風(fēng)險最小化訓(xùn)練方法的聯(lián)合實(shí)體關(guān)系抽取
    5.1 引言
    5.2 相關(guān)工作
    5.3 基于風(fēng)險最小化訓(xùn)練方法的聯(lián)合實(shí)體關(guān)系抽取系統(tǒng)
    5.4 實(shí)驗(yàn)
    5.5 總結(jié)
第六章 基于圖卷積網(wǎng)絡(luò)的聯(lián)合實(shí)體關(guān)系抽取
    6.1 引言
    6.2 相關(guān)工作
    6.3 基于圖卷積網(wǎng)絡(luò)的聯(lián)合實(shí)體關(guān)系抽取系統(tǒng)
    6.4 實(shí)驗(yàn)
    6.5 總結(jié)
第七章 結(jié)語與展望
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文情況



本文編號：3795891