

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)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(guò)程。在這個(gè)知識(shí)爆炸的時(shí)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(jī)器學(xué)習(xí)模型,它結(jié)合了無(wú)監(jiān)督學(xué)習(xí)過(guò)程和有監(jiān)督學(xué)習(xí)過(guò)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(yùn)用還有待開(kāi)發(fā)。本文利用DBN網(wǎng)絡(luò)進(jìn)行以下兩個(gè)任務(wù):
(1)中文實(shí)體檢
2、測(cè)與識(shí)別任務(wù);
(2)中文實(shí)體關(guān)系檢測(cè)與識(shí)別任務(wù)研究?jī)?nèi)容主要有以下四點(diǎn):
(1)研究DBN網(wǎng)絡(luò)在實(shí)體檢測(cè)與識(shí)別任務(wù)中的運(yùn)用。實(shí)體檢測(cè)與實(shí)體識(shí)別可以順序進(jìn)行,即按任務(wù)順序建立兩個(gè)模型,也可以組合進(jìn)行,即在一個(gè)模型中同時(shí)得出檢測(cè)與識(shí)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(shí)體檢測(cè)與識(shí)別系統(tǒng)。實(shí)驗(yàn)?zāi)P头謩e基于詞特征和字特征展開(kāi),以比較這兩種特征提取形式結(jié)合DBN網(wǎng)絡(luò)后,在實(shí)體檢測(cè)與識(shí)別任務(wù)中的優(yōu)劣。實(shí)驗(yàn)還對(duì)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(jī)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(diǎn)。
(2)引入維特比算法對(duì)DBN網(wǎng)絡(luò)的實(shí)體檢測(cè)與識(shí)別結(jié)果進(jìn)行后處理,進(jìn)一步提高DBN網(wǎng)絡(luò)對(duì)實(shí)體檢測(cè)與識(shí)別的結(jié)果。進(jìn)行實(shí)體檢測(cè)與識(shí)別任務(wù)時(shí), 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(duì)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(shí)際概率和二元概率進(jìn)行維特比后處理。實(shí)際概率由訓(xùn)練語(yǔ)料統(tǒng)計(jì)得到,貼近實(shí)際情況但是不一定適合測(cè)試語(yǔ)料。二元概率賦予符合邏輯的狀態(tài)同等概率,降低了對(duì)標(biāo)記序列的限制。
(3)研究DBN網(wǎng)絡(luò)在實(shí)體關(guān)系檢測(cè)與識(shí)別任務(wù)中的運(yùn)用。本文利用DBN網(wǎng)絡(luò)建立實(shí)體關(guān)系檢測(cè)和實(shí)體關(guān)系識(shí)別順序進(jìn)行的系統(tǒng),以及實(shí)體關(guān)系檢測(cè)與實(shí)體關(guān)系識(shí)別組合進(jìn)行的系統(tǒng)。實(shí)驗(yàn)依然是在詞特征和字特征兩種字符特征上展開(kāi),比較兩者對(duì)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(shí)體相對(duì)位置特征和依存樹(shù)特征等7種特征。實(shí)驗(yàn)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(jī)器學(xué)習(xí)方法的結(jié)果對(duì)比,驗(yàn)證深層DBN網(wǎng)絡(luò)是適合于實(shí)體關(guān)系檢測(cè)與識(shí)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(guò)程,使它的實(shí)體檢測(cè)與識(shí)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(huì)遭遇“導(dǎo)數(shù)消亡”問(wèn)題,網(wǎng)絡(luò)的錯(cuò)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(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于HowNet語(yǔ)義的中文信息抽取及摘要生成方法.pdf
- 基于深度置信網(wǎng)絡(luò)的分類方法
- 基于深度置信網(wǎng)絡(luò)的分類方法.pdf
- 基于ontology的中文信息抽取系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 59741.基于領(lǐng)域的中文信息抽取模式自動(dòng)生成的研究
- 中文信息抽?。↖E)中事件模板建立的研究.pdf
- Web中文信息抽取技術(shù)與命名實(shí)體識(shí)別方法的研究.pdf
- 基于詞項(xiàng)依賴信息的中文信息檢索方法研究.pdf
- 中文信息抽取關(guān)鍵技術(shù)及應(yīng)用研究.pdf
- 中文信息抽取關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf
- 基于位置語(yǔ)言模型的中文信息檢索方法研究.pdf
- 基于交叉詞項(xiàng)的中文信息檢索方法研究.pdf
- 基于語(yǔ)義技術(shù)的中文信息情感分析方法研究.pdf
- 基于深度置信網(wǎng)絡(luò)的數(shù)據(jù)驅(qū)動(dòng)故障診斷方法研究.pdf
- 基于深度置信網(wǎng)絡(luò)的入侵檢測(cè)研究.pdf
- 基于內(nèi)容的Internet Web中文信息過(guò)濾.pdf
- 基于Web的中文信息智能獲取研究.pdf
- 中文信息過(guò)濾技術(shù)的研究.pdf
- Web中文信息抽取技術(shù)研究及其在招聘信息系統(tǒng)中的應(yīng)用.pdf
- Web中文信息抽取中命名實(shí)體識(shí)別的研究及應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論