- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
远程监督人物关系抽取中的去噪研究
第34卷第7期 计算机应用与软件 Vol34No.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.1000386x.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
文档评论(0)