隨著科學(xué)技術(shù)的不斷革新,互聯(lián)網(wǎng)上的信息正以一種前所未有的速度增長,人類正式進(jìn)入“大數(shù)據(jù)”時(shí)代。當(dāng)前互聯(lián)網(wǎng)上的信息主要以文本的形式存在,面對海量的文本,人們通常無法快速獲取有價(jià)值的信息,而通過信息抽取技術(shù)可以解決這個(gè)問題。針對于文本數(shù)據(jù),信息抽取技術(shù)能夠?qū)⒎墙Y(jié)構(gòu)化信息轉(zhuǎn)化為結(jié)構(gòu)化信息,然后將其以統(tǒng)一的形式集成。關(guān)系抽取是信息抽取的核心任務(wù),通過關(guān)系抽取可以從文本中識(shí)別出實(shí)體并抽取實(shí)體之間的語義關(guān)系,從而用于搜索、問答、推理等上層應(yīng)用。近年來,人物關(guān)系抽取成為業(yè)界的研究熱點(diǎn)之一,該任務(wù)將實(shí)體類型限定為人物,從文本中識(shí)別出人物實(shí)體并建立人物之間的語義關(guān)系,進(jìn)而構(gòu)建人物關(guān)系網(wǎng)絡(luò),該網(wǎng)絡(luò)可用于人物關(guān)系展示、人際關(guān)系挖掘、社交網(wǎng)絡(luò)分析等應(yīng)用。目前已經(jīng)有一些學(xué)者進(jìn)行了中文人物關(guān)系抽取的相關(guān)研究,但仍然存在兩類不足。一是公開的中文人物關(guān)系抽取標(biāo)注數(shù)據(jù)集匱乏,難以獲得大量的中文標(biāo)注語料,目前常用的方法是通過遠(yuǎn)程監(jiān)督的方式來自動(dòng)構(gòu)建大量標(biāo)注數(shù)據(jù)集,雖然這種方法能解決標(biāo)注問題,但也會(huì)引入大量的噪聲數(shù)據(jù),降低人物關(guān)系抽取任務(wù)的性能。二是當(dāng)前中文人物關(guān)系抽取任務(wù)大多采用傳統(tǒng)機(jī)器學(xué)習(xí)的方法,導(dǎo)致模型過度依賴特征工...

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 研究概述
    1.1 選題背景及意義
    1.2 研究現(xiàn)狀及不足
    1.3 本文研究內(nèi)容及主要貢獻(xiàn)
    1.4 論文組織結(jié)構(gòu)
2 基礎(chǔ)知識(shí)及相關(guān)工作
    2.1 基礎(chǔ)知識(shí)
        2.1.1 中文分詞
        2.1.2 詞向量
        2.1.3 注意力機(jī)制
        2.1.4 深度學(xué)習(xí)其他相關(guān)技術(shù)
    2.2 關(guān)系抽取相關(guān)工作
    2.3 遠(yuǎn)程監(jiān)督相關(guān)工作
    2.4 去噪研究相關(guān)工作
    2.5 本章小結(jié)
3 數(shù)據(jù)采集與預(yù)處理
    3.1 中文語料獲取與預(yù)處理
        3.1.1 數(shù)據(jù)來源介紹
        3.1.2 中文語料獲取流程
        3.1.3 中文語料預(yù)處理
    3.2 遠(yuǎn)程監(jiān)督標(biāo)注流程
    3.3 數(shù)據(jù)集分布情況
    3.4 本章小結(jié)
4 基于深度學(xué)習(xí)的中文人物關(guān)系抽取
    4.1 卷積神經(jīng)網(wǎng)絡(luò)模型
    4.2 基于分段的卷積神經(jīng)網(wǎng)絡(luò)模型
    4.3 基于注意力機(jī)制的雙向長短期記憶網(wǎng)絡(luò)模型
        4.3.1 循環(huán)神經(jīng)網(wǎng)絡(luò)與長短期記憶網(wǎng)絡(luò)
        4.3.2 基于注意力機(jī)制的雙向長短期記憶網(wǎng)絡(luò)模型
    4.4 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)與評(píng)價(jià)指標(biāo)
        4.4.2 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置
        4.4.3 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
    4.5 本章小結(jié)
5 基于深度學(xué)習(xí)的中文人物關(guān)系抽取模型優(yōu)化
    5.1 基于閱讀理解模型的去噪方法
        5.1.1 閱讀理解模型介紹
        5.1.2 BERT模型原理
        5.1.3 基于BERT的閱讀理解模型
    5.2 基于多分類器投票的優(yōu)化方法
        5.2.1 集成學(xué)習(xí)概述
        5.2.2 相關(guān)性分析
        5.2.3 多分類器投票流程
        5.2.4 多分類器投票優(yōu)化
    5.3 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        5.3.1 實(shí)驗(yàn)數(shù)據(jù)與評(píng)價(jià)指標(biāo)
        5.3.2 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置
        5.3.3 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝



本文編號(hào)：3847866