發(fā)布時間：2024-02-24 02:50

　　專利是科技文獻的重要組成部分，包含了大量科學研究和技術創(chuàng)新的知識。然而，這些知識主要由無結構化的自然語言描述。導致了這種知識很難被計算機計算與理解。信息抽取技術由此應運而生，能夠映射無結構或半結構知識為結構化知識。因此，對其進行的研究是件很有意義的工作。 雖然信息抽取相關研究已經(jīng)有20多年的歷史，但傳統(tǒng)的方法可擴展性差，表現(xiàn)在：人工干預度大、領域相關度高和規(guī)則匹配復雜等。正因為這一瓶頸，信息抽取研究正從傳統(tǒng)的限定類別、限定領域信息抽取任務發(fā)展到開放類別、開放領域信息抽取。 開放式信息抽取在以英語為代表的西方語言中取得了重大進展，但對于漢語的研究顯得相對不足。為此，該文主要針對中文專利進行了兩項研究： 第一，在專利雙語摘要的基礎上，進行了基于馬爾科夫邏輯網(wǎng)的中文最大名詞短語識別方法的研究。利用三類信息來識別最大名詞短語的邊界：句子自身的信息、遷移的特征信息和雙語信息。實驗表明：雙語信息能夠較好地輔助動詞的識別，該方法最大名詞短語識別的F值可達83.27%，相比目前最優(yōu)越的伯克利句法分析器的識別結果提升了23.36%，而且該方法簡單可維護。 第二，在帶有分層組塊的最大名詞短語基礎上，研究了...

【文章頁數(shù)】：57 頁

【學位級別】：碩士

【部分圖文】：

圖4.2賓州樹庫閾值性能分布圖

“……與MNP[通信網(wǎng)絡]相連……”，同理，從該詞開始，直到“的”，則不為分隔符，如，“……MNP[與輸入內容相對應的元數(shù)據(jù)別出來的MNP長度為1，則過濾。!isSeg(i1-1)Λ!isSeg(i1+1)=>!isSeg(i1)isSeg(i1-1)=>i....

圖4.3專利樹庫閾值性能分布圖

斷過句的24,485篇章中均勻采樣220句進行人工標注，作為測試old被用來最終界定是否為分隔符，大于該閾值的是分隔符。為了模型（包含全部公式）的影響，本文針對遷移的兩種樹庫，設定位，按步長0.01測試，結果如圖4.2和4.3所示。圖4.2賓州樹庫閾值....

圖5.2取閾值高的情況錯誤所占比同時將錯誤較大的1%選取進行人工標注

的應對非線性可分問題。所以本文以支持向量機為底層模型，采用自動獲取訓練語料。該算法一個關鍵的問題是閾值的選取。使用50m，實驗發(fā)現(xiàn)取打分前12%的錯誤較低。結果如圖5.2所示。

圖5.3取閾值低的情況錯誤所占比過濾不滿足假設的實體對后，剩下未標注的有8539對

系統(tǒng)界面見附錄II。系統(tǒng)流程圖如圖5.1所示。圖5.1系統(tǒng)流程圖5.3開放式實體關系抽取方法5.3.1中文開放式實體關系抽取問題定義OERE輸出的形式為三元組t=(ei,rij,ej)，i≠j，其中ei和ej代表語義實體的字符串，rij代表兩個實體之間....

本文編號：3908399