生物醫(yī)學(xué)事件抽取中觸發(fā)詞識別研究.pdf_第1頁
已閱讀1頁，還剩58頁未讀， 繼續(xù)免費閱讀

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)行舉報或認(rèn)領(lǐng)

文檔簡介

1、近年來，關(guān)系抽取已由簡單二元關(guān)系抽取發(fā)展為復(fù)雜關(guān)系抽取，生物醫(yī)學(xué)事件抽取成為研究焦點。抽取一個事件，需要識別出事件的觸發(fā)詞、參與者與事件類型。生物醫(yī)學(xué)事件抽取系統(tǒng)至少由觸發(fā)詞識別和要素識別組成，且需要先對觸發(fā)詞進(jìn)行預(yù)測或識別，這使得研究觸發(fā)詞識別有重要意義。
　　本文描述生物醫(yī)學(xué)事件抽取中觸發(fā)詞識別的兩種方法:基于組合分類器的觸發(fā)詞識別和基于深度學(xué)習(xí)疊加去噪自動編碼器(SdA)的觸發(fā)詞識別。在基于組合分類器的方法中，利用豐富的基于

2、依存和句法解析的人工特征構(gòu)建多個單一分類器，對多個單一分類器的結(jié)果進(jìn)行三種操作:集合操作、投票和疊加進(jìn)行組合。在基于深度學(xué)習(xí)疊加去噪自動編碼器的方法中，只利用候選觸發(fā)詞的線性上下文對當(dāng)前候選觸發(fā)詞進(jìn)行預(yù)測，不需要大量人工特征，減少了對生物方面專業(yè)知識的依賴，初步證明了特征表示的有效性。
　　本文在生物醫(yī)學(xué)事件抽取公共評測語料BioNLP'09和BioNLP'11上進(jìn)行實驗，其中基于組合的方法在兩個語料上評價;基于深度學(xué)習(xí)疊加去噪自

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。

最新文檔

評論

0/150

提交評論