版權(quán)說(shuō)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)體關(guān)系抽取一直以來(lái)就是自然語(yǔ)言處理領(lǐng)域研究的一個(gè)熱點(diǎn)問(wèn)題。能夠準(zhǔn)確的識(shí)別出兩個(gè)實(shí)體之間的語(yǔ)義關(guān)系在信息抽取任務(wù)中是至關(guān)重要的,同時(shí)對(duì)于知識(shí)庫(kù)的創(chuàng)建以及信息檢索等領(lǐng)域都具有重要的意義。隨著深度學(xué)習(xí)在圖像和視覺(jué)等領(lǐng)域的迅猛發(fā)展,近年來(lái)深度學(xué)習(xí)也被引入到自然語(yǔ)言處理領(lǐng)域,成為了研究的熱點(diǎn)。由于傳統(tǒng)的實(shí)體關(guān)系抽取方法在模型學(xué)習(xí)之前都需要人工手動(dòng)的選取一些離散的特征,特征選取的好壞直接關(guān)系到最終的抽取結(jié)果。我們無(wú)法預(yù)知什么樣的特征最有效,而且特
2、征的數(shù)量也不是越多越好,多數(shù)是依賴專家經(jīng)驗(yàn)來(lái)判斷特征的有效性。同時(shí)特征的選擇過(guò)程大多依賴于現(xiàn)有的自然語(yǔ)言處理(NLP)工具,費(fèi)時(shí)費(fèi)力,且易造成錯(cuò)誤傳播。與傳統(tǒng)的方法相比,基于深度學(xué)習(xí)機(jī)制的關(guān)系抽取算法可以自動(dòng)的從原始的語(yǔ)料中學(xué)習(xí)到特征,不僅減少了對(duì)于NLP工具的依賴,而且充分利用了文本的結(jié)構(gòu)信息。同時(shí),前人的研究成果證明了深度學(xué)習(xí)模型中的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)以其獨(dú)特的網(wǎng)絡(luò)結(jié)構(gòu)可
3、以對(duì)特征進(jìn)行更好的學(xué)習(xí)。
本研究采用深度卷積神經(jīng)網(wǎng)絡(luò)完成實(shí)體關(guān)系抽取任務(wù)。首先,提出基于句子的衡量詞重要性的 TP-ISP(term proportion-inverse sentence proportion)算法,通過(guò)該算法得到每個(gè)類別中各個(gè)詞的tpisp值,根據(jù)該值的大小結(jié)合排序算法得到關(guān)于每個(gè)詞重要性的排序結(jié)果;然后選取排名靠前的詞作為表征該類別的核心詞特征,同原始句子的詞向量特征和詞位置特征一同作為網(wǎng)絡(luò)的初始輸入,減
4、少了現(xiàn)有的使用深度學(xué)習(xí)的方法中僅僅依賴單一詞向量學(xué)習(xí)特征的不足。通過(guò)加入該類別核心詞特征,增加了類別間的區(qū)分度,同時(shí)也彌補(bǔ)了網(wǎng)絡(luò)自動(dòng)學(xué)習(xí)特征的不足;最后在網(wǎng)絡(luò)訓(xùn)練階段,采用分段最大池化策略,即選取每一段中得分值最高的特征,將這些特征組合起來(lái)作為最終分類器的輸入特征。這一策略一定程度上減少了傳統(tǒng)的最大池化策略對(duì)于信息的丟失問(wèn)題。此外,由于中文語(yǔ)料匱乏等原因在此方面研究較少,因此以COAE(Chinese Opinion Analysis
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)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
- 基于循環(huán)卷積神經(jīng)網(wǎng)絡(luò)的實(shí)體關(guān)系抽取方法研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的車型識(shí)別.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤.pdf
- 基于FPGA的深度卷積神經(jīng)網(wǎng)絡(luò)加速研究.pdf
- 基于免疫卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的場(chǎng)景分類研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的語(yǔ)義圖像檢索研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像檢索算法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的電商數(shù)據(jù)深度挖掘.pdf
- 基于Caffe深度學(xué)習(xí)框架的卷積神經(jīng)網(wǎng)絡(luò)研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的離線筆跡鑒別研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的顏值計(jì)算研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的光場(chǎng)圖像深度估計(jì).pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像車輛檢測(cè).pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的熟料顆粒方法研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的人體姿勢(shì)估計(jì)研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的服裝屬性研究及其應(yīng)用.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的視網(wǎng)膜血管分割研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的室外場(chǎng)景理解研究.pdf
評(píng)論
0/150
提交評(píng)論