基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
识别句子中实体关系是信息抽取的重要技术.研究了汉语实体关系模式的自动获取技术.在基于种子方法的思想上,结合汉语在语义表达上的多样性特征,使用机器学习方法来自动发现新模式.实验表明,该方法在人工干预很少的情况下,能较为准确的发现新模式,且可以在不同抽取领域内快速移植.因此该方法对于汉语实体关系识别具有一定价值.
推荐文章
融合语句-实体特征与Bert的中文实体关系抽取模型
自然语言处理
关系抽取
深度学习
BERT
Transformer
基于特征选择的实体关系抽取
关系抽取
特征选择
信息增益
期望交叉熵
x2统计
基于多通道卷积神经网的实体关系抽取
关系抽取
卷积神经网
深度学习
多通道
实体词语义信息对中文实体关系抽取的作用研究
《同义词词林》
知网
树核函数
关系抽取
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 使用种子抽取实体关系模式
来源期刊 计算机与数字工程 学科 工学
关键词 信息抽取 实体关系 模式匹配 相似度
年,卷(期) 2009,(9) 所属期刊栏目 专栏·语义Web与本体论
研究方向 页码范围 110-112,132
页数 4页 分类号 TP391
字数 3625字 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (186)
参考文献  (1)
节点文献
引证文献  (3)
同被引文献  (2)
二级引证文献  (2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(2)
  • 引证文献(1)
  • 二级引证文献(1)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
信息抽取
实体关系
模式匹配
相似度
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机与数字工程
月刊
1672-9722
42-1372/TP
大16开
武汉市东湖新技术开发区凤凰产业园藏龙北路1号
1973
chi
出版文献量(篇)
9945
总下载数(次)
28
总被引数(次)
47579
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导