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:
本文介绍了利用半监督学习方法自动发现标注语料中丢失的关系类型。针对候选关系样例,我们采用混合模型来表示,即利用关系类型的语言信息和结构化信息来表示一个关系样例。我们利用半监督学习算法Bootstrapping和标签传播算法标注语料中已存在关系类型的样例。对于剩下的关系样例,我们采用聚类的方法,得到的结果对应到标注语料中丢失的关系类型。本实验的实验数据是ACE2005中文语料,实验表明我们的模型取得了良好的效果。
推荐文章
基于sentence2vec与半监督算法的中文问答提问模式抽取
关系抽取
提问模式
条件随机场
自举
句向量
复杂网络半监督的社区发现算法研究
广义社区发现
半监督聚类
社会网络分析
相似度
Girvan-Newman(GN)
基于KL散度矩阵迹的潜映射半监督社区发现
潜空间
特征映射
半监督
社区发现
梯度下降
中文实体关系抽取研究综述
中文实体关系抽取
有监督方法
无监督方法
半监督方法
开放域实体关系抽取方法
深度学习
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 基于半监督的中文关系类型发现
来源期刊 心智与计算 学科 工学
关键词 关系抽取 半监督学习 类型发现 标签传播
年,卷(期) 2012,(1) 所属期刊栏目
研究方向 页码范围 45-53
页数 9页 分类号 TP391.1
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈锦秀 厦门大学信息科学与技术学院 10 77 4.0 8.0
2 杨肖方 厦门大学信息科学与技术学院 2 7 1.0 2.0
3 张加臻 厦门大学信息科学与技术学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2012(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)
研究主题发展历程
节点文献
关系抽取
半监督学习
类型发现
标签传播
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
心智与计算
季刊
2007
chi;eng
出版文献量(篇)
193
总下载数(次)
93997
总被引数(次)
820
论文1v1指导