基于弱指導(dǎo)學(xué)習(xí)的實(shí)體間語義關(guān)系抽取研究.pdf_第1頁
已閱讀1頁,還剩73頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、實(shí)體間語義關(guān)系抽取是信息抽取中的重要環(huán)節(jié),目的是通過命名實(shí)體對(duì)的上下文來確定實(shí)體之間是否存在關(guān)系以及存在何種關(guān)系。目前實(shí)體間語義關(guān)系抽取研究的最大挑戰(zhàn)是訓(xùn)練數(shù)據(jù)不足的問題。同時(shí),各語義關(guān)系的分布很不均衡,這個(gè)問題對(duì)于語義關(guān)系小類更為突出,嚴(yán)重影響到它們的性能。語義關(guān)系抽取目前主要使用指導(dǎo)性學(xué)習(xí)方法,但是指導(dǎo)性語義關(guān)系抽取對(duì)標(biāo)注語料庫的依賴性比較高,因此人們開始探索弱指導(dǎo)機(jī)器學(xué)習(xí)方法,通過自舉產(chǎn)生大規(guī)模較高質(zhì)量的標(biāo)注語料庫,減輕對(duì)大規(guī)模手

2、工標(biāo)注語料庫的依賴。 針對(duì)以上問題,本文探索了一種基于自舉的弱指導(dǎo)語義關(guān)系抽取方法,對(duì)弱指導(dǎo)語義關(guān)系抽取的三個(gè)關(guān)鍵環(huán)節(jié):初始訓(xùn)練集的選擇,訓(xùn)練集的擴(kuò)展以及迭代終止條件進(jìn)行了深入的研究。 在初始訓(xùn)練集的選擇階段,為了能夠抽取到具有較高代表性和分布均衡性的實(shí)例,本文引入了分層選擇策略,首先將未標(biāo)注數(shù)據(jù)集按照一定的標(biāo)準(zhǔn)劃分成若干層,然后按照比例從每一層的實(shí)例集中抽取實(shí)例組成初始訓(xùn)練集。初始訓(xùn)練集的選擇對(duì)于基于自舉的弱指導(dǎo)語義關(guān)

3、系抽取至關(guān)重要。 在訓(xùn)練集的擴(kuò)展階段,由于新加入實(shí)例會(huì)引入很多噪音,而且新加入實(shí)例在各個(gè)類別上分布不均衡,嚴(yán)重影響抽取性能。本文首先挑選具有較高可信度的實(shí)例,然后再使用分層抽取方法選擇實(shí)例添加到訓(xùn)練集中,這種方法可以一定程度上降低噪音,同時(shí)避免新加入的實(shí)例過度集中于幾個(gè)關(guān)系類別上。 最后,為了避免出現(xiàn)過度擬合的情況,我們通過實(shí)驗(yàn)尋找了一種迭代終止條件,使得弱指導(dǎo)學(xué)習(xí)方法局部收斂。 我們?cè)贏CE RDC語料庫上的實(shí)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論