检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

远程监督的自适应实体抽取

哈尔滨工程大学学报 2022年第4期43卷 564-571页

作者：葛亮张艺璇李伟平中国科学技术大学计算机科学与技术学院安徽合肥230027 北京大学软件与微电子学院北京100871

针对传统领域知识实体抽取算法主要依赖专家的专业知识,需要的标注工作量较大,本文提出了基于远程监督的实体抽取算法并应用于粮油存储领域。算法在PU学习的框架下,通过判定和分类2个阶段抽取实体,利用双向长短期记忆网络进行二分类实... 详细信息

针对传统领域知识实体抽取算法主要依赖专家的专业知识,需要的标注工作量较大,本文提出了基于远程监督的实体抽取算法并应用于粮油存储领域。算法在PU学习的框架下,通过判定和分类2个阶段抽取实体,利用双向长短期记忆网络进行二分类实体判别。再通过全连接网络实体类型判别,构建了一个粮油领域知识图谱。研究表明:本算法可以应用于粮油存储领域的知识图谱构建,适用于训练实体样本较少的实体抽取任务,能够缩小使用双向长短期记忆网络算法进行实体抽取任务所需的语料规模,并在使用更小语料规模的情况下达到与经典双向长短期记忆网络算法相当的实体抽取效果。

关键词：领域知识图谱本体设计实体抽取远程监督深度学习 PU学习双向长短期记忆网络知识图谱构建

在线全文

学校读者我要写书评

暂无评论

结合原型网络的远程监督命名实体识别方法

北京理工大学学报 2023年第4期43卷 410-416页

作者：罗森林林朝坤潘丽敏吴舟婷北京理工大学信息与电子学院北京100081

针对利用远程监督标注文本实体过程中存在实体类别标注错误问题导致模型难以有效区分各实体的类别特征,影响模型精准度的问题,本文提出一种利用原型网络过滤训练语料中标注错误样本的远程监督命名实体识别方法,利用预训练的原型网络编... 详细信息

针对利用远程监督标注文本实体过程中存在实体类别标注错误问题导致模型难以有效区分各实体的类别特征,影响模型精准度的问题,本文提出一种利用原型网络过滤训练语料中标注错误样本的远程监督命名实体识别方法,利用预训练的原型网络编码正确标注实体生成类别原型表示,过滤语料中距类别原型较远的样本.实验表明,使用原型网络有效地提高了语料的标注质量,提升了模型性能.

关键词：命名实体识别远程监督语料自动标注原型网络正例-无标注学习

在线全文

学校读者我要写书评

暂无评论

融合门控机制的远程监督关系抽取方法

北京大学学报（自然科学版） 2020年第1期56卷 39-44页

作者：李兴亚陈钰枫徐金安张玉洁北京交通大学计算机与信息技术学院

提出一种融合门控机制的远程监督关系抽取方法。首先在词级别上自动选择正相关特征,过滤与关系标签无关的词级别噪声;然后在门控机制内引入软标签的思想,弱化硬标签对噪声过滤的影响;最后结合句子级别的噪声过滤,提升模型的整体性能。... 详细信息

提出一种融合门控机制的远程监督关系抽取方法。首先在词级别上自动选择正相关特征,过滤与关系标签无关的词级别噪声;然后在门控机制内引入软标签的思想,弱化硬标签对噪声过滤的影响;最后结合句子级别的噪声过滤,提升模型的整体性能。在公开数据集上的实验结果表明,相对于句子级别噪声过滤方法,所提方法的性能有显著提高。

关键词：关系抽取远程监督门控机制卷积神经网络

在线全文

学校读者我要写书评

暂无评论

面向远程监督命名实体识别的噪声检测

计算机研究与发展 2024年第4期61卷 916-928页

作者：王嘉诚王凯王昊奋杜渂何之栋阮彤刘井平华东理工大学信息科学与工程学院上海200237 同济大学设计与创意学院上海200092 迪爱斯信息技术股份有限公司上海200032

针对远程监督命名实体识别(named entity recognition,NER)任务,目前有许多基于强化学习的方法,利用强化学习的强大决策能力,对远程监督生成的自动标注数据进行噪声过滤.然而,这些方法所使用的策略网络模型架构都较简单,识别噪声能力较... 详细信息

针对远程监督命名实体识别(named entity recognition,NER)任务,目前有许多基于强化学习的方法,利用强化学习的强大决策能力,对远程监督生成的自动标注数据进行噪声过滤.然而,这些方法所使用的策略网络模型架构都较简单,识别噪声能力较弱,且都以完整的句子样本为单位进行识别,导致句子中的部分正确信息被丢弃.为解决上述问题,提出了一种新的基于强化学习的方法,称为RLTL-DSNER,该方法可以从远程监督生成的带噪数据中,以单词级别识别正确实例,减少噪声实例对远程监督NER的负面影响.具体来说,在策略网络模型中引入了标签置信函数来准确识别实例.此外,提出了一种新颖的NER模型预训练策略,使其能为强化学习的初始训练提供精准的状态表示和有效的奖励值,引导其向正确的方向更新.在4个数据集上的实验结果验证了RLTL-DSNER方法的优越性,在NEWS数据集上,相较于现有最先进的方法,获得了4.28%的F1提升.

关键词：命名实体识别远程监督深度强化学习噪声检测预训练策略

在线全文

学校读者我要写书评

暂无评论

融合实体外部知识的远程监督关系抽取方法

计算机研究与发展 2022年第12期59卷 2794-2802页

作者：高建伟万怀宇林友芳北京交通大学计算机与信息技术学院北京100044

远程监督关系抽取旨在从无结构化的文本当中发现关系事实,它对许多下游任务有着非常重要的意义.虽然远程监督可以自动地生成大量带标签的训练样本,但是自动标注的过程不可避免地会遇到噪声数据的问题.当前的许多研究工作主要把关注点放... 详细信息

远程监督关系抽取旨在从无结构化的文本当中发现关系事实,它对许多下游任务有着非常重要的意义.虽然远程监督可以自动地生成大量带标签的训练样本,但是自动标注的过程不可避免地会遇到噪声数据的问题.当前的许多研究工作主要把关注点放在降噪的过程当中,尝试通过选择出正确的句子来生成更有效的包级别特征表示.但是在文本语料之外,还存在着大量与实体相关的外部知识没有被充分利用,而这些知识能够帮助模型更好地理解实体之间的关系.基于这一观察,提出了一种新颖的远程监督关系抽取方法,该方法通过利用外部知识图谱当中的结构化知识和文本语料中的语义知识,设计了一种实体知识感知的词嵌入表示方法,来丰富句子级别的特征表达能力.实验结果表明,在2个版本的大规模“纽约时报”基准数据集上,该方法都明显优于其他方法.此外,还通过对比实验进一步探索了2个版本的数据集所存在的差异,其中无实体交集的数据集能够更有效地反映模型性能.

关键词：关系抽取远程监督知识表示词嵌入门控机制

基于医学领域知识和远程监督的医学实体关系抽取研究

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2022年第6期6卷 105-114页

作者：景慎旗赵又霖南京大学信息管理学院南京210023 南京医科大学生物医学工程与信息学院南京211166 南京医科大学第一附属医院(江苏省人民医院)数据应用管理中心南京210096

【目的】针对当前传统医学关系抽取方法存在数据标注成本高及易产生错误标签的问题,提出引入医学领域知识的远程监督医学实体关系抽取模型。【方法】该模型采用多实例策略降低远程监督标注数据的噪声影响,使用预训练语言模型MedicalBER... 详细信息

【目的】针对当前传统医学关系抽取方法存在数据标注成本高及易产生错误标签的问题,提出引入医学领域知识的远程监督医学实体关系抽取模型。【方法】该模型采用多实例策略降低远程监督标注数据的噪声影响,使用预训练语言模型MedicalBERT对远程监督标注文本进行编码,以实体在医学知识库的描述作为背景知识为医学关系抽取提供监督信号,提升文本中实体语义编码的准确性。【结果】本文模型的抽取效果与现有模型相比,准确率最高提升5.4%,召回率最高提升2.5%,F1值最高提升4.1%。此外,在并发症的抽取结果中,F1值达到93.8%。【局限】模型主要适用于句子级关系抽取,暂未考虑其在更多句子情况下的性能。【结论】引入医学领域知识的远程监督医学实体关系抽取模型具有良好的关系抽取效果,可为医学关系抽取研究提供参考。

关键词：医学关系抽取远程监督医学领域知识预训练语言模型

融合多特征的基于远程监督的中文领域实体关系抽取

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2019年第2期32卷 133-143页

作者：王斌郭剑毅线岩团王红斌余正涛昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学智能信息处理重点实验室昆明650500

针对从未标记的文本中抽取中文领域实体关系的问题,文中提出基于远程监督的领域实体属性关系抽取的混合方法,利用知识库中已有结构化的关系三元组,从自然语言文本中自动获取训练语料.针对远程监督方法标注数据存在大量噪声的问题,采用... 详细信息

针对从未标记的文本中抽取中文领域实体关系的问题,文中提出基于远程监督的领域实体属性关系抽取的混合方法,利用知识库中已有结构化的关系三元组,从自然语言文本中自动获取训练语料.针对远程监督方法标注数据存在大量噪声的问题,采用隐含狄利克雷分布主题模型抽取主题关键词,再与关系类型进行相似度计算和对关键词模式匹配进行去噪.最后提取词性特征、依存关系特征和短语句法树特征,并进行融合,训练关系抽取模型.实验表明,3种特征融合的F值较高,抽取性能较好.

关键词：远程监督实体关系抽取领域知识库特征融合隐含狄利克雷分布主题模型

在线全文

学校读者我要写书评

暂无评论

基于远程监督的多因子人物关系抽取模型

通信学报 2018年第7期39卷 103-112页

作者：黄杨琛贾焰甘亮徐菁黄九鸣赫中翮国防科技大学计算机学院湖南长沙410073 湖南星汉数智科技有限公司知识图谱研发部湖南长沙410205

针对远程监督的基本假设过强容易引入噪声数据的问题,提出了一种可以对远程监督自动生成的训练数据去噪的人物实体关系抽取模型。在训练数据生成阶段,通过多示例学习的思想和基于TF-IDF的关系指示词发现的方法对远程监督产生的数据进行... 详细信息

针对远程监督的基本假设过强容易引入噪声数据的问题,提出了一种可以对远程监督自动生成的训练数据去噪的人物实体关系抽取模型。在训练数据生成阶段,通过多示例学习的思想和基于TF-IDF的关系指示词发现的方法对远程监督产生的数据进行去噪处理,使训练数据达到人工标注质量。在模型分类器中,提出采用词法特征和句法特征相结合的多因子特征作为关系特征向量用于分类器的学习。在大规模真实数据集上的实验结果表明,所提模型结果优于同类型的关系抽取方法。

关键词：关系抽取人物关系远程监督机器学习自然语言处理

在线全文

学校读者我要写书评

暂无评论

远程监督实体关系抽取研究

情报科学 2021年第10期39卷 165-169,193页

作者：柯佳武汉大学信息管理学院湖北武汉430072

【目的/意义】实体关系抽取是构建领域本体、知识图谱、开发问答系统的基础工作。远程监督方法将大规模非结构化文本与已有的知识库实体对齐,自动标注训练样本,解决了有监督机器学习方法人工标注训练语料耗时费力的问题,但也带来了数据... 详细信息

【目的/意义】实体关系抽取是构建领域本体、知识图谱、开发问答系统的基础工作。远程监督方法将大规模非结构化文本与已有的知识库实体对齐,自动标注训练样本,解决了有监督机器学习方法人工标注训练语料耗时费力的问题,但也带来了数据噪声。【方法/过程】本文详细梳理了近些年远程监督结合深度学习技术,降低训练样本噪声,提升实体关系抽取性能的方法。【结果/结论】卷积神经网络能更好的捕获句子局部、关键特征、长短时记忆网络能更好的处理句子实体对远距离依赖关系,模型自动抽取句子词法、句法特征,注意力机制给予句子关键上下文、单词更大的权重,在神经网络模型中融入先验知识能丰富句子实体对的语义信息,显著提升关系抽取性能。【创新/局限】下一步的研究应考虑实体对重叠关系、实体对长尾语义关系的处理方法,更加全面的解决实体对关系噪声问题。

关键词：远程监督关系抽取神经网络注意力机制实体对齐