發(fā)布時間：2021-08-11 16:23

　　互聯(lián)網(wǎng)上存在著大量具有重要價值的非結(jié)構(gòu)化文本數(shù)據(jù),需要使用信息抽取技術(shù)將其轉(zhuǎn)換為結(jié)構(gòu)化知識。關(guān)系抽取是信息抽取技術(shù)的基礎(chǔ)任務(wù)之一。關(guān)系抽取任務(wù)旨在將非結(jié)構(gòu)化的自然語言文本轉(zhuǎn)化為結(jié)構(gòu)化的三元組,以便于人們使用計算機進行高效地處理、存儲和檢索�；谟斜O(jiān)督學(xué)習(xí)的關(guān)系抽取方法要求具有足夠多且完全標(biāo)注的訓(xùn)練數(shù)據(jù),但現(xiàn)實中往往缺乏大量人工標(biāo)注數(shù)據(jù)。盡管遠程監(jiān)督模型可以通過對齊知識庫獲取大量數(shù)據(jù),其依然無法從本質(zhì)上解決樣本分布的長尾問題。針對上述挑戰(zhàn),本文在小樣本場景的設(shè)定下,從兩個角度分別提出了兩種方法進行研究:（1）融合結(jié)構(gòu)信息的小樣本關(guān)系抽取方法。為了解決真實場景中樣本分布的長尾問題,針對小樣本場景的特點,此模型使用一種非參數(shù)估計方法。該非參數(shù)估計方法認(rèn)為每個類都存在一個類原型,并通過預(yù)先定義的度量函數(shù)來計算查詢樣本與類原型之間的相似度。由于通用的特征提取方式往往會忽略句子的結(jié)構(gòu)信息,此模型對句子的依存關(guān)系樹進行建模,利用圖卷積網(wǎng)絡(luò)從依存關(guān)系樹中提取結(jié)構(gòu)信息,并將該結(jié)構(gòu)信息融合到小樣本關(guān)系抽取模型中。（2）基于動態(tài)度量的小樣本關(guān)系抽取方法。由于非參數(shù)估計方法中的度量函數(shù)是人為規(guī)定的,該方法并不... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１關(guān)系抽取的前導(dǎo)任務(wù)??

＿＿殖：辨位論文?第２＃國內(nèi)外研究現(xiàn)犾??程監(jiān)督方法則通過自動對齊知識庫獲取大暈有標(biāo)簽訓(xùn)練數(shù)據(jù)；??（２）單詞的向：量表示：對有標(biāo)餐句子進行分詞處理，并將每個單詞映射成一個??詞向量＞?有時會考慮單詞與句子中實體對之間的相對距離，也就是說，將??相對距離作為一種位置向量，并與詞向量組合到一起，形成單詞最終的向??量表．示；??（３）特征提�。簩⒁粋�旬子中：所有單詞的向暈表示組．合到一起，餐．到句＿子的向??＿表示，接著輸入到神經(jīng)網(wǎng)絡(luò)中，利用神經(jīng)網(wǎng)絡(luò)模型提取句子特征，最終??訓(xùn)練得到一個特征提取器；??（４）關(guān)系分類：根據(jù)預(yù)先定義好的封閉關(guān)系集合，將提取的句子特征向量作為??非線性層的輸入，進行關(guān)系分類，抽取實體對之間的關(guān)系類別；??（５）性能評估：最后，利用相關(guān)評測指標(biāo)對模型性能進行評估。??基?步纖５：性能評估??于??＾?步驟４：關(guān)系分類??學(xué)??步驟３：特征提取??系??＃?步驟２．：單詞的向慧讓示??取??框??＊?步驟：ｈ有標(biāo)簽數(shù)據(jù)??圖２．２?＿于深＿度學(xué)洶的關(guān)系抽取框架??接下來，本小節(jié)將依次介紹近年來基于深度學(xué)習(xí)的關(guān)系抽取方法，包括基于??卷積神經(jīng)網(wǎng)絡(luò)的方法、基于循環(huán)神經(jīng)網(wǎng)絡(luò)的方法和其他方法。??２．２．１基于卷積神經(jīng)網(wǎng)絡(luò)的方法??對卷積神經(jīng)網(wǎng)絡(luò)（Ｃｏｎｖｏｌｕｔｉｏｎａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，ＣＮＮ）的研究始于２０世紀(jì)??８??

圖２．３＿循環(huán)神■網(wǎng)＇絡(luò)示纛國＿??


本文編號：3336491