基于组合特征的自训练隐式篇章关系的识别技术

• 作者: 刘初 陈锦秀
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: 隐式篇章关系识别 半监督学习 自训练 组合特征
• 年，卷（期）: 2014,（2）
• 页码范围: 182-189
• 页数: 8页
• 分类号: TP391
• 字数: 5933字
• 语种: 中文
• DOI: 10.6043/j.issn.0438-0479.2014.02.007

摘要

信息抽取技术中,隐式篇章关系识别一直是研究难点.针对现有的有监督篇章关系识别方法中需要大量人工标注数据的缺点,提出了用自训练的策略实现半监督的隐式篇章关系的自动识别模型,尝试仅用少量标注样本,却获得和有监督方法相媲美的识别准确率,为未来实时大数据篇章关系识别提供了新的契机.此外,为了进一步提高识别的准确率,还针对词对特征、产生式特征、动词特征等9种篇章关系特征进行特征组合分析,构建候选篇章关系实例的知识表示,对模型进行优化.通过在Penn Discourse Treebank (PDTB2.0)语料库上的实验结果分析表明,该模型比传统有监督识别方法在准确率和F-score上分别提高了5.2％和13.5％.

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厦门大学云计算与大数据研究中心	10	77	4.0	8.0
2	刘初	厦门大学信息科学与技术学院厦门大学云计算与大数据研究中心	1	5	1.0	1.0