基于深度置信網(wǎng)絡(luò)的中文信息抽取方法.pdf_第1頁
已閱讀1頁,還剩147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、信息抽取是指從非結(jié)構(gòu)化或者半結(jié)構(gòu)化的文本中標(biāo)明用戶感興趣的內(nèi)容,并且將其組織成結(jié)構(gòu)化文本的過程。在這個知識爆炸的時代,需要信息抽取技術(shù)快速準(zhǔn)確地提供海量文本中的重要內(nèi)容。
  深度置信網(wǎng)絡(luò)(DBN, Deep Belief Nets)網(wǎng)絡(luò)是近年興起的機器學(xué)習(xí)模型,它結(jié)合了無監(jiān)督學(xué)習(xí)過程和有監(jiān)督學(xué)習(xí)過程,在圖像處理領(lǐng)域已取得巨大成就,但是在信息抽取領(lǐng)域的運用還有待開發(fā)。本文利用DBN網(wǎng)絡(luò)進(jìn)行以下兩個任務(wù):
  (1)中文實體檢

2、測與識別任務(wù);
  (2)中文實體關(guān)系檢測與識別任務(wù)研究內(nèi)容主要有以下四點:
  (1)研究DBN網(wǎng)絡(luò)在實體檢測與識別任務(wù)中的運用。實體檢測與實體識別可以順序進(jìn)行,即按任務(wù)順序建立兩個模型,也可以組合進(jìn)行,即在一個模型中同時得出檢測與識別的結(jié)果。本文利用DBN網(wǎng)絡(luò)按照這兩種策略分別建立實體檢測與識別系統(tǒng)。實驗?zāi)P头謩e基于詞特征和字特征展開,以比較這兩種特征提取形式結(jié)合DBN網(wǎng)絡(luò)后,在實體檢測與識別任務(wù)中的優(yōu)劣。實驗還對不同神

3、經(jīng)元數(shù)量的淺層DBN網(wǎng)絡(luò)的結(jié)果,淺層DBN網(wǎng)絡(luò)與深層DBN網(wǎng)絡(luò)的結(jié)果, DBN網(wǎng)絡(luò)與其他機器學(xué)習(xí)模型的結(jié)果進(jìn)行了比較,闡述了它們各自的特點。
  (2)引入維特比算法對DBN網(wǎng)絡(luò)的實體檢測與識別結(jié)果進(jìn)行后處理,進(jìn)一步提高DBN網(wǎng)絡(luò)對實體檢測與識別的結(jié)果。進(jìn)行實體檢測與識別任務(wù)時, DBN網(wǎng)絡(luò)忽略了當(dāng)前字符與上下文字符的標(biāo)記限制,本文利用維特比算法對DBN網(wǎng)絡(luò)輸出結(jié)果進(jìn)行后處理,尋找最大概率的標(biāo)記序列,剔除不符合邏輯的標(biāo)記。本文分別

4、采用了實際概率和二元概率進(jìn)行維特比后處理。實際概率由訓(xùn)練語料統(tǒng)計得到,貼近實際情況但是不一定適合測試語料。二元概率賦予符合邏輯的狀態(tài)同等概率,降低了對標(biāo)記序列的限制。
  (3)研究DBN網(wǎng)絡(luò)在實體關(guān)系檢測與識別任務(wù)中的運用。本文利用DBN網(wǎng)絡(luò)建立實體關(guān)系檢測和實體關(guān)系識別順序進(jìn)行的系統(tǒng),以及實體關(guān)系檢測與實體關(guān)系識別組合進(jìn)行的系統(tǒng)。實驗依然是在詞特征和字特征兩種字符特征上展開,比較兩者對于此任務(wù)在DBN網(wǎng)絡(luò)中的適用性。關(guān)系樣例的

5、特征組合包括一元字符特征,實體相對位置特征和依存樹特征等7種特征。實驗分別在不同神經(jīng)元數(shù)量的淺層DBN網(wǎng)絡(luò)和深層DBN網(wǎng)絡(luò)上進(jìn)行,以確定最好的網(wǎng)絡(luò)結(jié)構(gòu)。并且將DBN網(wǎng)絡(luò)的結(jié)果與其他機器學(xué)習(xí)方法的結(jié)果對比,驗證深層DBN網(wǎng)絡(luò)是適合于實體關(guān)系檢測與識別任務(wù)的模型。
  (4)使用兩種方式改進(jìn)DBN網(wǎng)絡(luò)的學(xué)習(xí)過程,使它的實體檢測與識別任務(wù)的結(jié)果得到優(yōu)化。利用梯度下降法進(jìn)行有監(jiān)督學(xué)習(xí)會遭遇“導(dǎo)數(shù)消亡”問題,網(wǎng)絡(luò)的錯誤信息很難傳送到靠近輸入

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。

評論

0/150

提交評論