自動(dòng)抽取維基百科文本中的語義關(guān)系.pdf_第1頁
已閱讀1頁,還剩64頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、語義Web的構(gòu)建不僅需要由本體來定義基本知識(shí)骨架,同時(shí)也需要由遵循本體而定義的實(shí)例層知識(shí)庫來構(gòu)建內(nèi)容。雖然語義Web數(shù)據(jù)逐漸增長,但是實(shí)例層的數(shù)據(jù)卻依然較為稀少。語義關(guān)系是構(gòu)建語義知識(shí)庫的重要組成部分。因此,抽取語義關(guān)系實(shí)例對語義Web的實(shí)現(xiàn)極其重要。 維基百科是一個(gè)免費(fèi)的在線百科全書。它也是目前最大的在線知識(shí)庫之一。在擁有較高覆蓋面的同時(shí),其內(nèi)容也具有很高的準(zhǔn)確度。抽取維基百科中的語義關(guān)系對知識(shí)庫的構(gòu)建具有很大意義。維基百科中

2、,大量信息以文本形式呈現(xiàn),盡管其中大量結(jié)構(gòu)化信息可以直接作為關(guān)系抽取的有效數(shù)據(jù)來源,但大部分的語義關(guān)系仍然需要從自然語言文本中獲取。 抽取維基百科自然語言文本中的語義關(guān)系有兩大難點(diǎn):如何有效的識(shí)別維基百科中細(xì)粒度的實(shí)體;如何基于少量的關(guān)系樣例獲取較高的關(guān)系抽取性能。在本文中,首先,我們提出利用維基百科結(jié)構(gòu)化信息來輔助語義關(guān)系的抽取。我們借鑒了計(jì)算語言學(xué)領(lǐng)域的選擇約束,創(chuàng)新性的利用維基百科的結(jié)構(gòu)化信息來生成表達(dá)語義關(guān)系選擇約束的特

3、征,并提出了具體的特征選擇方法。我們利用這種選擇約束特征來識(shí)別和驗(yàn)證實(shí)體,從而有效輔助基于模式匹配的關(guān)系抽取。實(shí)驗(yàn)表明選擇約束特征極大的提升了關(guān)系抽取的性能。此外,考慮到在維基百科文本關(guān)系抽取中,我們只能從結(jié)構(gòu)化的信息表格中獲取少量關(guān)系樣例而缺乏相應(yīng)的關(guān)系反例,同時(shí)還缺乏一個(gè)關(guān)系分類層次,因此我們引入了文本分類領(lǐng)域中基于正例的學(xué)習(xí)算法,創(chuàng)新性的將其應(yīng)用到關(guān)系抽取中(據(jù)我們所知,之前尚無研究工作將基于正例的學(xué)習(xí)算法應(yīng)用到關(guān)系抽取領(lǐng)域)。我

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論