基于Deep Belief Nets的中文名实体关系抽取

被引：70

作者：

陈宇

郑德权

赵铁军

机构：

[1] 哈尔滨工业大学计算机科学与技术学院

来源：

软件学报 | 2012年 / 23卷 / 10期

关键词：

DBN(deep belief nets); 神经网络; 关系抽取; 深层网络; 字特征;

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：

关系抽取是信息抽取的一项子任务,用以识别文本中实体之间的语义关系.提出一种利用DBN(deepbelief nets)模型进行基于特征的实体关系抽取方法,该模型是由多层无监督的RBM(restricted Boltzmann machine)网络和一层有监督的BP(back-propagation)网络组成的神经网络分类器.RBM网络以确保特征向量映射达到最优,最后一层BP网络分类RBM网络的输出特征向量,从而训练实体关系分类器.在ACE04语料上进行的相关测试,一方面证明了字特征比词特征更适用于中文关系抽取任务;另一方面设计了3组不同的实验,分别使用正确的实体类别信息、通过实体类型分类器得到实体类型信息和不使用实体类型信息,用以比较实体类型信息对关系抽取效果的影响.实验结果表明,DBN非常适用于基于高维空间特征的信息抽取任务,获得的效果比SVM和反向传播网络更好.

引用

页码：2572 / 2585

页数：14

共 11 条

[1] 基于特征组合的中文实体关系抽取 [J].

黄鑫 ;

朱巧明 ;

钱龙华 ;

刘梅梅 .

微电子学与计算机, 2010, 27 (04) :198-200+204

[2] 基于最大熵模型的观点句主观关系提取 [J].

樊娜 ;

蔡皖东 ;

赵煜 .

计算机工程, 2010, 36 (02) :4-6

[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] 基于种子自扩展的命名实体关系抽取方法 [J].

何婷婷 ;

徐超 ;

李晶 ;

赵君喆 .

计算机工程, 2006, (21) :183-184+193

[5] 中文名实体识别中的特征组合与特征融合的比较 [J].

赵健 ;

王晓龙 ;

关毅 .

计算机应用, 2005, (11) :2647-2649

[6] 前向神经网络隐含层节点数的一种优化算法 [J].

夏克文 ;

李昌彪 ;

沈钧毅 .

计算机科学, 2005, (10) :143-145

[7] 实体关系自动抽取 [J].

车万翔 ;

刘挺 ;

李生 .

中文信息学报, 2005, (02) :1-6

[8]

Relation extraction and the influence of automatic named-entity recognition[J] . Claudio Giuliano,Alberto Lavelli,Lorenza Romano.ACM Transactions on Speech and Language Processing (TSLP) . 2007 (1)

[9] A fast learning algorithm for deep belief nets [J].

Hinton, Geoffrey E. ;

Osindero, Simon ;

Teh, Yee-Whye .

NEURAL COMPUTATION, 2006, 18 (07) :1527-1554

[10] Training products of experts by minimizing contrastive divergence [J].

Hinton, GE .

NEURAL COMPUTATION, 2002, 14 (08) :1771-1800

← 1 2 →