基于实例动态泛化的共指消解方法与应用.pptxVIP

基于实例动态泛化的共指消解及应用;大纲;大纲;共指消解(Coreference Resolution) 根据篇章中各个表述(Mention)的内容以及上下文信息将这些表述对应到具体实体(Entity)的过程，它是一个对所有表述进行等价类划分的过程 E.g: 周杰伦推出新专辑《我很忙》，这张专辑开启了周杰伦新纪元。该专辑也体现了周董这个牛仔角色。 实例： 可能存在共指关系的表述对 先行语，照应语 E.g: 周杰伦，周董，我很忙，这张专辑，我很忙，该专辑;绪论; ;大纲; ;基于分类的Mention识别 核心思想 以单词（字）为分类对象 三种类别：Mention头、Mention中部、非Mention E.g：{周杰伦} –{周-开头（B），杰-中部（I），伦-中部（I）} 采用Maxent算法进行分类 特征集合 基于序列标注的Mention识别 核心思想 以单词（字）为处理对象 采用CRF来进行Mention类型标注 ??征集合 ;基于实例动态泛化的共指消解方法; ;泛化点抽取 精确泛化点 词汇化特征（Lexical Feature） 刻画两个表述之间的核心词一致性 E.g: {亚洲天王周杰伦，该专辑} --- （ LF=周杰伦-专辑 ） 半词汇化特征（NE Feature） 刻画两个表述之间命名实体标注信息的一致性 NE -命名实体类别 + 后缀-字符串匹配 NE-SAME NE-SUBSAME NE-STRING1-STRING2 E.g：{亚洲天王周杰伦，杰伦} --- （ NEF= PERSON-SUBSAME） 结构化泛化点 ;基于实例动态泛化的共指消解方法;大纲; ;共指链生成方法研究;共指链生成方法研究;合并方案;大纲; ; ;基于实例动态泛化的全局实体关系抽取;119;基于实例动态泛化的全局实体关系抽取;基于实例动态泛化的全局实体关系抽取;基于实例动态泛化的全局实体关系抽取;大纲;结论;恳请各位老师批评指正