基于弱指導學習的實體間語義關系抽取研究.pdf

1、實體間語義關系抽取是信息抽取中的重要環(huán)節(jié)，目的是通過命名實體對的上下文來確定實體之間是否存在關系以及存在何種關系。目前實體間語義關系抽取研究的最大挑戰(zhàn)是訓練數據不足的問題。同時，各語義關系的分布很不均衡，這個問題對于語義關系小類更為突出，嚴重影響到它們的性能。語義關系抽取目前主要使用指導性學習方法，但是指導性語義關系抽取對標注語料庫的依賴性比較高，因此人們開始探索弱指導機器學習方法，通過自舉產生大規(guī)模較高質量的標注語料庫，減輕對大規(guī)模手

2、工標注語料庫的依賴。 針對以上問題，本文探索了一種基于自舉的弱指導語義關系抽取方法，對弱指導語義關系抽取的三個關鍵環(huán)節(jié)：初始訓練集的選擇，訓練集的擴展以及迭代終止條件進行了深入的研究。 在初始訓練集的選擇階段，為了能夠抽取到具有較高代表性和分布均衡性的實例，本文引入了分層選擇策略，首先將未標注數據集按照一定的標準劃分成若干層，然后按照比例從每一層的實例集中抽取實例組成初始訓練集。初始訓練集的選擇對于基于自舉的弱指導語義關

3、系抽取至關重要。 在訓練集的擴展階段，由于新加入實例會引入很多噪音，而且新加入實例在各個類別上分布不均衡，嚴重影響抽取性能。本文首先挑選具有較高可信度的實例，然后再使用分層抽取方法選擇實例添加到訓練集中，這種方法可以一定程度上降低噪音，同時避免新加入的實例過度集中于幾個關系類別上。 最后，為了避免出現過度擬合的情況，我們通過實驗尋找了一種迭代終止條件，使得弱指導學習方法局部收斂。 我們在ACE RDC語料庫上的實