基于深度学习的领域实体属性词聚类抽取研究

• 作者: 岳振军 苏丰龙 谢庆华 邱继远
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 词向量 深度学习 词语聚类 属性抽取
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 53-55,59
• 页数: 4页
• 分类号: TP391
• 字数: 3421字
• 语种: 中文

摘要

属性词的聚类是领域实体属性抽取中的一个重要步骤.在未知领域和大量文本中,人工标注寻找十分困难.本文将一种基于深度学习框架的词语嵌入表示方法(Word Embedding)引入到领域实体属性词聚类研究中,在无监督条件下解决大规模语料、领域实体属性词表人工参与构建代价较高的问题,并进行了适当的扩展,取得了较好的效果,可以为信息抽取等后续高级任务提供较好服务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳振军	解放军理工大学通信工程学院	37	214	7.0	14.0
2	谢庆华	解放军理工大学国防工程学院	30	319	10.0	17.0
3	苏丰龙	解放军理工大学通信工程学院	2	4	2.0	2.0
4	邱继远	解放军理工大学通信工程学院	2	4	2.0	2.0