远程监督人物关系抽取中的去噪研究.PDF

第３４卷第７期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．７ ２０１７年７月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｌ．２０１７ 远程监督人物关系抽取中的去噪研究 黄蓓静　贺　睴　杨　静 （华东师范大学计算机科学技术系　上海２００２４１） 摘　要　　在远程监督人物关系抽取算法中，训练集的构造是利用知识库对齐自由文本的方式完成的。这一过 程会产生部分共现句无法表达当前实体对关系的情况。分析此问题产生的原因，结合词法、句法两个方面，提出 一种利用句子模式聚类及模式评分对远程监督人物关系抽取过程训练集进行去噪的方法。该方法首先利用词向 量生成特定关系描述候选词，其次针对关系描述候选词提取句子模式并进行模式聚类，最后对模式聚类结果进行 评分。通过筛选评分较低模式对应句子去掉对关系描述能力不强甚至无法描述关系的句子，得到过滤后的训练 集。实验证明，利用该方法对不同语料库进行远程监督原始训练集句子过滤能够在保证召回率的情况下取得 ３％～５％准确率提升。 关键词　　人物关系抽取　远程监督　模式提取　模式聚类　模式评分 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．０７．００３ ＲＥＳＥＡＲＣＨＯＮＮＯＩＳＥＲＥＤＵＣＴＩＯＮＩＮＤＩＳＴＡＮＴＳＵＰＥＲＶＩＳＥＤＰＥＲＳＯＮＡＬ ＲＥＬＡＴＩＯＮＥＸＴＲＡＣＴＩＯＮ ＨｕａｎｇＢｅｉｊｉｎｇ　ＨｅＬｉａｎｇ　ＹａｎｇＪｉｎｇ （ＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＥａｓｔＣｈｉｎａＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２００２４１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｄｉｓｔａｎｔｓｕｐｅｒｖｉｓｅｄｐｅｒｓｏｎａｌｒｅｌａｔｉｏｎｅｘｔｒａｃｔｉｏｎｈｅｕｒｉｓｔｉｃａｌｌｙａｌｉｇｎｓｋｎｏｗｌｅｄｇｅｂａｓｅｗｉｔｈｆｒｅｅｔｅｘｔｔｏｃｏｎｓｔｒｕｃｔ ｔｒａｉｎｉｎｇｄａｔａｓｅｔ．Ｔｈｉｓｐｒｏｃｅｓｓｃａｎｒｅｓｕｌｔｉｎｉｎｖａｌｉｄａｌｉｇｎｅｄｓｅｎｔｅｎｃｅｓｗｈｉｃｈｃａｎ’ｔｅｘｐｒｅｓｓｒｅｌａｔｉｏｎｏｆｔｈｅｇｉｖｅｎｅｎｔｉｔｙ ｐａｉｒ．Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅａｎａｌｙｓｅｔｈｅｒｅａｓｏｎｓｏｆｔｈｉｓｐｒｏｂｌｅｍ，ｃｏｍｂｉｎｅｄｗｉｔｈｔｈｅｌｅｘｉｃａｌａｎｄｓｙｎｔａｃｔｉｃａｓｐｅｃｔｓ，ａｎｄｐｒｏｐｏｓｅ ａｍｅｔｈｏｄｔｏｄｅｎｏｉｓｅｔｈｅｔｒａｉｎｉｎｇｄａｔａｓｅｔｏｆｄｉｓｔａｎｔｓｕｐｅｒｖｉｓｅｄｐｅｒｓｏｎａｌｒｅｌａｔｉｏｎｅｘｔｒａｃｔｉｏｎｂｙｕｓｉｎｇｓｅｎｔｅｎｃｅｐａｔｔｅｒｎ ｃｌｕｓｔｅｒｉｎｇａｎｄｐａｔｔｅｒｎｓｃｏｒｉｎｇ．Ｆｉｒｓｔｌｙ，ｗｅｇｅｎｅｒａｔｅｒｅｌａｔｉｏｎｃａｎｄｉｄａｔｅｆｅａｔｕｒｅｗｏｒｄｓｗｉｔｈｔｈｅｈｅｌｐｏｆｗｏｒｄｅｍｂｅｄｄｉｎｇ． Ｔｈｅｎ，ｗｅａｄｏｐｔａｎａｌｇｏｒｉｔｈｍｆｏｒｓｅｎｔｅｎｃｅｐａｔｔｅｒｎｅｘｔｒａｃｔｉｏｎａｎｄｐａｔｔｅｒｎｃｌｕｓｔｅｒｉｎｇｂｙｕｓｉｎｇｒｅｌａｔｉｏｎｃａｎｄｉｄａｔｅｆｅａｔｕｒｅ ｗｏｒｄｓ．Ｆｉｎａｌｌｙ，ｗｅｃｏｍｐｕｔｅｃｏｎｆｉｄｅｎｃｅｏｆｐａｔｔｅｒｎｃｌｕｓｔｅｒｓａｎｄｄｉｓｃａｒｄｓｅｎｔｅｎｃｅｓｗｈｉｃｈｐａｔｔｅｒｎｃｏｎｆｉｄｅｎｃｅｂｅｌｏｗ ｔｈｒｅｓｈｏｌｄ．Ｂｙｆｉｌｔｅｒｉｎｇｌｏｗｓｅｎｔｅｎｃｅｓｗｉｔｈｐａｔｔｅｒｎｃｏｎｆｉｄｅｎｃｅ，ｗｅｃａｎｄｉｓｃａｒｄｓｅｎｔｅｎｃｅｓｗｉｔｈｌｏｗｏｒｎｏａｂｉｌｉｔｙｔｏｄｅｓｃｒｉｂｅ ｓｐｅｃｉｆｉｃｒｅｌａｔｉｏｎａｎｄｇｅｔｔｈｅｆｉｌｔｅｒｅｄｔｒａｉｎｉｎｇｄａｔａｓｅｔ．Ｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄｃａｎｂｅｕｓｅｄｔｏｍｏｎｉｔｏｒｔｈｅ ｄｉｆｆｅｒｅｎｔｃｏｒｐｕｓｒｅｍｏｔｅｌｙ．Ｔｈｅｏｒｉｇｉｎａｌｔｒａｉｎｉｎｇｄａｔａｓｅｔｃａｎａｃｈｉｅｖｅ３％ ｔｏ