基于自监督学习的维基百科家庭关系抽取.pdfVIP

JournalofComputerApplications ISSN 1001．9081 2015．．04．．10 计算机应用，2015，35(4)：1013—1016，1020 CODENJYIIDU http：／／www．joca．cn 文章编号：1001-9081(2015)40-1013—04 doi：10．11772／j．issn．1001-9081．2015．04．1013 基于自监督学习的维基百科家庭关系抽取 朱苏阳 ，惠浩添 ，钱龙华k，张 民 (1．苏州大学 自然语言处理实验室，江苏苏州215006； 2．苏州大学计算机科学与技术学院，江苏 苏州215006) ( 通信作者电子邮箱20124227049@suda．edu．cn) 摘 要：传统有监督的关系抽取方法需要大量人工标注的训练语料 ，而半监督方法则召回率较低，对此提 出了一 种基于 自监督学习来抽取人物家庭关系的方法。该方法首先将 中文维基百科的半结构化信息——家庭关系三元组 映射到 自由文本 中，从而 自动生成已标注的训练语料 ；然后，使用基于特征的关系抽取方法从 中文维基百科的文本中 获取人物间的家庭关系。在一个人工标注的家庭关系网络测试集上的实验结果表明，该方法优于 自举方法，其F1指 数达到77％，说明 自监督学习可以较为有效地抽取人物家庭关系。 关键词：自监督学习；维基百科 ；半结构化信息；关系抽取 中图分类号：TP391 文献标志码：A Familyrelationextraction from W ikipediabyself-supervised learning ZHUSuyang，，HUIHaotian一，QIANLonghua一，ZHANGMin (1．NaturalLanguageProcessingLaboratory,SoochowUnivemity,SuzhouJiangsu215006，China； 2．SchoolofComputerScienceandTechnology,SoochowUniversity,SuzhouJiangsu215006，China) Abstract：Traditionalsupervisedrelationextractiondemandsalargescaleofmanuallynanotatedtrainingdatawhilesemi- supervisedlearningsuffersfrom low recal1．A self-supervisedlearningbasedapproachwasproposedtoextractpersonal family relationships．First，semi—structuredinformation(familyrelationtriples)wasmappedtothefreetextinChineseWikipediato automaticallygenerateannotated trainingdata．Thenfamilyrelationsbetweenpersonentitieswereextractedfrom Wikipedia textwithfeature-basedrelationextractionmethod．Theexperimental resultsonamnauallyannotatedtestfamilynetworkshow thatthismethod outperfomr sBootstrappingwith F1一measureof77％ ，implyingthatserf-supervisedlearningcalleffectively extractpersonal familyrelationships． Keywords：self-supervisedlearning；Wikipedia；semi—structure