论文部分内容阅读
高速发展的互联网产生了海量的文本数据，这些文本数据大部分是非结构化的数据。为了使得计算机和人们更好地理解互联网上的数据，产生了信息抽取和知识库构建等任务，将非结构化的文本信息转化为结构化的信息。属性抽取是知识库构建等任务中重要的组成部分，负责从非结构化的文本数据中抽取出特定实体的属性值，实体、属性值和对应的属性关系构成知识库中的节点和关联边。针对属性抽取问题，本文通过研究对比传统的属性抽取算法，提出了一个基于卷积神经网络的多示例多标签的属性抽取算法，主要工作如下： (1)深入分析了若干传统属性抽取算法，针对传统的属性抽取算法人工依赖性太强、特征表达能力偏弱以及未能很好地解决多种属性关系等问题，提出了新的属性抽取算法。 (2)使用远程监督的方法以利用外部知识库生成训练和测试数据，解决了人工标注数据集人工依赖性强、数据集偏小及数据集领域单一等问题，同时提出了一种基于卷积神经网络的多示例多标签的模型，抽取语义特征来完成分类，这一方法可抽取出抽象能力更强特征，并且通过多示例多标签挖掘各个属性关系之间的联系，减小分类错误率。 (3)将本文所提算法与基准模型在TAC-KBP2015数据集上进行对比，通过实验分析初步验证了本文算法的有效性。此外还设计了几个参数对比实验，分析不同参数对模型的影响。 (4)将算法集成到中国工程科技知识服务系统工具KS-Studio中，此外，该算法还应用到了中文医学疾病症状抽取中，初步验证了本文模型应用到中文数据上的可行性。