基于直推式学习的半监督属性抽取

被引：6

作者：

苏丰龙 ^{[1
]}

谢庆华 ^{[2
]}

黄清泉 ^{[1
]}

邱继远 ^{[1
]}

岳振军 ^{[1
]}

机构：

[1] 解放军理工大学通信工程学院

[2] 解放军理工大学国防工程学院

来源：

山东大学学报(理学版) | 2016年 / 51卷 / 03期

关键词：

信息抽取; 半监督学习; 直推式支持向量机; 属性抽取;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

针对在文本信息抽取研究中传统的监督学习方法存在标注工作量大和时间代价高等缺点,提出一种改进的半监督学习模型。该模型利用支持向量机的分类优势以及直推式学习在未标注样本上的泛化特点,先用少量标注语料进行学习,同时测试新语料,然后再加入到模型当中一起训练,调整预测规律。在领域实体属性抽取试验中,与传统的支持向量机学习方法相比,该模型能够在小语料条件下取得较好的抽取效果,泛化学习能力较强,可以节省大量的人力成本。

引用

页码：111 / 115

页数：5

共 13 条

[1]

The Nature of Statistical Learning Theory. Vapnik V N. . 1999

[2]

A novel classification technique based on progressive transductive SVM learning[J] . Anshu Singla,Swarnajyoti Patra,Lorenzo Bruzzone. &nbspPattern Recognition Letters . 2014

[3] 中文实体关系抽取中的特征选择研究 [J].