原文服务方: 计算机应用研究       
摘要:
传统的弱指导关系抽取研究主要集中于单语言内部.为了充分利用语言之间的互补性来减轻对大规模训练数据的需求,提出一种双语协同训练的关系分类方法.针对小规模标注语料和一定规模的未标注语料,通过机器翻译和实体对齐产生关系实例的双语视图,最后利用协同训练得到两种语言的分类模型.在ACERDC 2005中英文语料上的实验表明,双语协同训练方法可以同时提高中文和英文的关系分类性能,并且减少对于标注训练数据量的需求.
推荐文章
融入双语最大名词短语的机器翻译模型
统计机器翻译
短语翻译模型
最大名词短语
双语最大名词短语
面向汉维机器翻译的双语关联度优化模型
维吾尔语
神经网络机器翻译
注意力机制
词对齐
生成概率
基于模板的汉英专利机器翻译研究
模板
专利文献
机器翻译
正则文法
浅析机器翻译
机器翻译
数据库
优势
准确度
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 基于机器翻译的双语协同关系抽取
来源期刊 计算机应用研究 学科
关键词 双语协同训练 机器翻译 实体对齐
年,卷(期) 2015,(3) 所属期刊栏目 算法研究探讨
研究方向 页码范围 662-665
页数 4页 分类号 TP181
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2015.03.005
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 朱巧明 苏州大学计算机科学与技术学院自然语言处理实验室 261 2058 25.0 31.0
2 钱龙华 苏州大学计算机科学与技术学院自然语言处理实验室 45 312 9.0 16.0
3 胡亚楠 苏州大学计算机科学与技术学院自然语言处理实验室 4 16 2.0 4.0
4 惠浩添 苏州大学计算机科学与技术学院自然语言处理实验室 5 26 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (30)
参考文献  (3)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(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)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
双语协同训练
机器翻译
实体对齐
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导