基于机器学习的实体关系抽取方法

被引：11

作者：

刘方驰

钟志农

雷霖

吴烨

机构：

[1] 国防科学技术大学电子科学与工程学院

来源：

兵工自动化 | 2013年 / 32卷 / 09期

基金：

国家高技术研究发展计划(863计划); 湖南省自然科学基金;

关键词：

实体关系抽取; 机器学习; 有监督; 无监督; 弱监督;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习]; TP391.1 [文字信息处理];

学科分类号：

摘要：

实体关系抽取是信息抽取的一项重要内容,总结现有的方法对于该领域的发展具有指导和借鉴意义。结合当前的研究进展,分析和比较了有监督、无监督和弱监督3类关系抽取方法的原理和代表性算法,总结了各类方法的特性并对关系抽取的发展趋势进行了展望。

引用

页码：57 / 62

页数：6

共 8 条

[1] 多信息融合中文关系抽取技术研究 [J].

林如琦 ;

陈锦秀 ;

杨肖方 ;

许红磊 .

厦门大学学报(自然科学版), 2011, 50 (03) :540-545

[2] 实体关系抽取的技术方法综述 [J].

徐健 ;

张智雄 ;

吴振新 .

现代图书情报技术, 2008, (08) :18-23

[3] 基于核函数中文关系自动抽取系统的实现 [J].

刘克彬 ;

李芳 ;

刘磊 ;

韩颖 .

计算机研究与发展, 2007, (08) :1406-1411

[4] 文档中词语权重计算方法的改进 [J].

鲁松 ;

李晓黎 ;

白硕 ;

王实 .

中文信息学报, 2000, (06) :8-13+20

[5]

基于特征向量的实体间语义关系抽取研究.[D].毛小丽.重庆大学.2011, 07

[6]

无监督关系抽取方法研究.[D].张志田.哈尔滨工业大学.2007, 03

[7]

关系抽取中学习算法的研究.[D].赵宇.哈尔滨工业大学.2006, 12

[8]

Distant supervision for relation extraction without labeled data..Mike Mintz;Steven Bills;Rion Snow;Dan Jurafsky;.Proceedings of the 47th Annual Meeting of the ACL and the 4th IJCNLP of the AFNLP.,

← 1 →