原文服务方: 计算机应用研究       
摘要:
为了探索从外部词典提取的实体词语义信息在中文实体关系抽取上的作用,提出了知网语义树和《同义词词林》编码树两种新特征,并连同已有的最短路径依存树、知网第一基本义原、《同义词词林》编码、实体大类和实体小类特征一起探究了其对抽取性能的影响。实验数据表明,作为单一特征时,提出的两种新特征性能虽然不如实体大类和实体小类特征,但是比最短路径依存树、知网第一基本义原、《同义词词林》编码好;作为组合特征时,最短路径依存树和两种新特征的组合特征取得了最好的性能。由此可以得出结论,从非语料中获取的最短路径依存树、知网语义树和《同义词词林》编码树特征可以代替从语料中获取的实体大类和实体小类特征,可以用于下一步开放域的关系抽取。
推荐文章
结合实体词与句子语义的地理实体关系抽取
空间数据挖掘
网络文本
地理实体关系
长短时记忆网络
词向量
融合语句-实体特征与Bert的中文实体关系抽取模型
自然语言处理
关系抽取
深度学习
BERT
Transformer
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
基于特征选择的实体关系抽取
关系抽取
特征选择
信息增益
期望交叉熵
x2统计
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 实体词语义信息对中文实体关系抽取的作用研究
来源期刊 计算机应用研究 学科
关键词 《同义词词林》 知网 树核函数 关系抽取
年,卷(期) 2017,(1) 所属期刊栏目 软件技术研究
研究方向 页码范围 141-146
页数 6页 分类号 TP391.1
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2017.01.030
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 李爱萍 太原理工大学计算机科学与技术学院 32 234 8.0 14.0
5 段利国 太原理工大学计算机科学与技术学院 41 364 10.0 18.0
6 崔敏君 太原理工大学计算机科学与技术学院 2 14 2.0 2.0
7 徐庆 太原理工大学计算机科学与技术学院 2 19 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (38)
共引文献  (273)
参考文献  (12)
节点文献
引证文献  (11)
同被引文献  (35)
二级引证文献  (8)
1983(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(9)
  • 参考文献(1)
  • 二级参考文献(8)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(13)
  • 参考文献(2)
  • 二级参考文献(11)
2008(5)
  • 参考文献(2)
  • 二级参考文献(3)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(5)
  • 参考文献(1)
  • 二级参考文献(4)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(5)
  • 引证文献(5)
  • 二级引证文献(0)
2019(11)
  • 引证文献(4)
  • 二级引证文献(7)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
《同义词词林》
知网
树核函数
关系抽取
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