关系抽取中基于本体的远监督样本扩充

• 作者: 叶育鑫 欧阳丹彤 瞿剑峰
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 远监督 关系抽取 本体
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 大数据分析专刊
• 页码范围: 2088-2101
• 页数: 14页
• 分类号: TP18
• 字数: 11315字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.004638

摘要

远监督学习是适合大数据下关系抽取任务的一种学习算法。它通过对齐知识库中的关系实例和文本集中的自然语句，为学习算法提供大规模样本数据。利用本体进行关系实例的自动扩充，用于解决基于远监督学习的关系抽取任务中部分待抽取关系的实例匮乏问题。该方法首先通过定义关系覆盖率和公理容积率，来寻找与关系抽取任务关联性大的本体；然后，借助本体推理中的实例查询增加待抽取关系下的关系实例；最后，通过对齐新增关系实例和文本集中的自然语句，达到扩充样本的效果。实验结果表明：基于本体的远监督学习样本扩充方法能够有效完成样本匮乏的关系抽取任务，进一步提升远监督学习方法在大数据环境下的关系抽取能力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	欧阳丹彤	吉林大学计算机科学与技术学院	108	781	15.0	23.0
3	叶育鑫	吉林大学计算机科学与技术学院	19	130	7.0	11.0
14	瞿剑峰	吉林大学计算机科学与技术学院	1	16	1.0	1.0