跨語言實體關(guān)系抽取研究.pdf

1、語料庫的數(shù)量和質(zhì)量對基于機(jī)器學(xué)習(xí)的命名實體間語義關(guān)系抽取的性能具有重要的影響,而語料庫的人工標(biāo)注是一項十分耗時又費(fèi)力的工作。另一方面,多語言語料庫的出現(xiàn)以及機(jī)器翻譯技術(shù)的發(fā)展,為研究多種語言之間的一致性和互補(bǔ)性提供了良好的契機(jī)。本文提出了三種跨語言關(guān)系抽取的方法,旨在提高多語言關(guān)系抽取性能的同時降低對語料庫標(biāo)注量的需求。
　　本研究主要內(nèi)容包括：⑴基于機(jī)器翻譯的跨語言關(guān)系抽取。首先利用機(jī)器翻譯產(chǎn)生翻譯語料,然后進(jìn)行實體對齊,最后直

2、接將映射后的關(guān)系實例添加到目標(biāo)語言訓(xùn)練集中,幫助目標(biāo)語言進(jìn)行關(guān)系抽取；⑵基于雙語協(xié)同訓(xùn)練的關(guān)系分類。給定小規(guī)模標(biāo)注語料和大規(guī)模未標(biāo)注語料,以自舉的方式將一種語言中可靠分類的關(guān)系實例所對應(yīng)的翻譯實例添加到另一種語言的訓(xùn)練語料庫中。兩種語言上的關(guān)系分類互相幫助,共同提高；⑶基于雙語主動學(xué)習(xí)的關(guān)系分類。將主動學(xué)習(xí)方法應(yīng)用到中英文雙語關(guān)系分類中,在挑選信息量最豐富的未標(biāo)注實例時,使用聯(lián)合置信度來綜合考慮一個實例在兩種語言中的分類置信度；⑷在AC