【摘 要】
：
实体关系抽取技术通过文本内容确定句子中实体对之间的关系类别,但由于中文的语法结构复杂、词义理解多样等因素,其对中文实体关系的分类效果不佳。为此,提出一种基于最短依
【基金项目】
：
国家科技支撑计划项目(2015BAH01F02),上海市自然科学基金(17ZR1444900)
论文部分内容阅读
实体关系抽取技术通过文本内容确定句子中实体对之间的关系类别,但由于中文的语法结构复杂、词义理解多样等因素,其对中文实体关系的分类效果不佳。为此,提出一种基于最短依存路径表示文本的深度学习方法。利用依存分析对语句良好的表示性,配合词性特征,利用长短期记忆(LSTM)网络单元双向结构学习最短依存路径的表示信息,并对LSTM的输出使用卷积神经网络(CNN)训练分类模型。实验结果表明,该方法能够准确地抽取实体关系,其F1值较CNN和Bi-LSTM方法有所提高。
其他文献
本文针对无线传感网络中如何提高网络的传输性能的问题,提出了对不同的网络拓扑结构采用不同的传输方式。在分析了网络中两种不同的网络结构：＂树形＂结构及＂网形＂结构的基础上,运用
细胞核自动检测既是病理图像分析技术的重要步骤,也是提高病理图像自动化分析准确性的主要瓶颈之一,原因在于病理切片制作存在染色分层不均、细胞核粘连或重叠等问题。为了提高细胞核检测的准确度,定义了一种基于多曲率轮廓的细胞核自动检测模型,通过多曲率方向能量滤波器提取细胞核轮廓信息。特征检测器基于boosting算法,利用不同曲率和方向轮廓特征的完备集合产生像素软分类器,获得像素的前景背景置信度和概率。最后
社会网络的结构分析一般通过社团探测来实现,但现实网络中节点具有层次性,少量节点拥有大量连接,使网络不能得到最优划分。为此,提出一种改进的基于重要节点删除的网络分解方
干扰攻击会导致节点状态跳转规律发生变化。为此,在节点状态跳转统计分析的基础上,提出一种改进的干扰检测算法。在学习阶段,通过学习无干扰和有干扰场景下的样本,获取节点各