注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 自然语言信息抽取中的机器学习方法研究

  2. 自然语言信息抽取中的机器学习方法研究。论文。自然语言处理 机器学习 实体关系抽取。

  3. 所属分类：专业指导

    • 发布日期：2011-10-15
    • 文件大小：63488
    • 提供者：xiaochouyu1987

  1. 命名实体识别、关系抽取相关论文

  2. 之前学习这个领域时网上找的几篇讲实现比较详细的论文（国内的），应该不算侵权吧…… 基于SVM和TSVM的中文实体关系抽取 基于条件随机域模型的中文实体关系抽取 基于正反例训练的SVM命名实体关系抽取 信息抽取中实体关系识别研究 中文命名实体识别及其关系抽取研究 （其中一个可能需要CAJViewer打开，传送门http://www.cnki.net/software/xzydq.htm）

  3. 所属分类：专业指导

    • 发布日期：2011-12-08
    • 文件大小：12582912
    • 提供者：mindprobe2

  1. 基于Deep Belief Nets 的中文名实体关系抽取

  2. 基于Deep Belief Nets 的中文名实体关系抽取

  3. 所属分类：讲义

    • 发布日期：2015-04-11
    • 文件大小：1048576
    • 提供者：grrr333

  1. 基于Deep Belief Nets 的中文名实体关系抽取

  2. 自然语言处理 实体关系抽取 Deep Belief Nets

  3. 所属分类：专业指导

    • 发布日期：2015-11-22
    • 文件大小：884736
    • 提供者：wgdzz

  1. 实体关系抽取

  2. 实体关系抽取

  3. 所属分类：讲义

    • 发布日期：2017-08-08
    • 文件大小：926720
    • 提供者：u012034207

  1. SemEval2010_任务8_实体关系抽取数据集

  2. SemEval2010 任务8 实体关系抽取数据集 已经标注的语料

  3. 所属分类：机器学习

    • 发布日期：2018-03-19
    • 文件大小：1048576
    • 提供者：xll123_

  1. 无指导的开放式中文实体关系抽取

  2. 无指导的开放式中文实体关系抽取，对构建知识图谱中的三元组抽取有一定的参考作用

  3. 所属分类：机器学习

    • 发布日期：2018-07-06
    • 文件大小：549888
    • 提供者：qq_36182996

  1. 基于深度学习的电子病历中实体关系抽取.pdf

  2. 电子病历中包含着医疗领域的丰富知识 ，对于医疗健康信息服务有着重要的意义。 其中的概念实体之间的关系是医疗知识 的重要 组成部分 。对于获取医疗领域中疾病、治疗 、检查之间关系有着重要 的意义 。 针对 于电子病历 中文本结构稀疏 的特 点 ，原有 的基 于词的特征表示效果 有限 ，所以从特征选择的角度出发 ，提出 了一种 基于深度学 习的特征学 习，将 有 限的上下文特征进 行进 一步抽 象表示 的方 法。 实验中使 用深度稀疏 自动编码 来对实体上下文 的向量表示进行 再表示 ，来得 到更抽

  3. 所属分类：深度学习

    • 发布日期：2020-04-25
    • 文件大小：951296
    • 提供者：weixin_39164435

  1. 基于依存分析的开放式中文实体关系抽取方法.pdf

  2. 该方法利用依存句法分析简称依存分析实现开放式中文实体关系抽取，首先对一个句子进行依存分析，再结合中文语法启发式规则和依存分析的结果抽取关系表述，并根据距离确定论元位置，最后进行三元组输出。

  3. 所属分类：机器学习

    • 发布日期：2020-02-11
    • 文件大小：1022976
    • 提供者：sinat_16211087

  1. SemEval2010_任务8_实体关系抽取数据集

  2. SemEval2010 任务8 实体关系抽取数据集 已经标注的语料 SemEval2010 任务8 实体关系抽取数据集 已经标注的语料

  3. 所属分类：机器学习

    • 发布日期：2020-02-05
    • 文件大小：1048576
    • 提供者：p0082743

  1. 深度学习实体关系抽取研究综述

  2. 实体关系抽取作为信息抽取、自然语言理解、信息检索等领域的核心任务和重要环节,能够从文本中抽取实体对间的语义关系.近年来,深度学习在联合学习、远程监督等方面上的应用,使关系抽取任务取得了较为丰富的研究成果.目前,基于深度学习的实体关系抽取技术,在特征提取的深度和模型的精确度上已经逐渐超过了传统基于特征和核函数的方法.围绕有监督和远程监督两个领域,系统总结了近几年来中外学者基于深度学习的实体关系抽取研究进展,并对未来可能的研究方向进行了探讨和展望.

  3. 所属分类：深度学习

    • 发布日期：2020-06-23
    • 文件大小：1048576
    • 提供者：kamo54

  1. 实体关系抽取方法研究综述

  2. 在自然语言处理领域，信息抽取一直以来受到人们的关注.信息抽取主要包括3项子任务：实体抽取、关系抽取和事件抽取,而关系抽取是信息抽取领域的核心任务和重要环节.实体关系抽取的主要目标是从自然语言文本中识别并判定实体对之间存在的特定关系，这为智能检索、语义分析等提供了基础支持，有助于提高搜索效率，促进知识库的自动构建。

  3. 所属分类：机器学习

    • 发布日期：2020-07-19
    • 文件大小：1048576
    • 提供者：syp_net

  1. 基于规则推理引擎的实体关系抽取研究_薛丽娟.pdf

  2. ：实体关系抽取是指从无结构的自然语言文本中抽取实体之间的语义关系，并以结构化的形式表示出 来。传统的实体关系抽取方法只注重一种特定类型的数据源，并需要标注大量的训练数据来训练抽取模型，人工成本高。因此提出了一种综合多种数据源，并结合规则推理引擎的实体关系抽取方法，准确地说就是综 合结构化和非结构化两种数据源，在结构化数据提供少量种子的情况下用规则推理引擎推理出更多的实体关 系。然后使用远程监督学习方法从无结构的文本中抽取实体关系，通过多次迭代获得最终的实体关系。实验 结果证明了该方法的有效性。

  3. 所属分类：深度学习

    • 发布日期：2020-07-30
    • 文件大小：2097152
    • 提供者：cln8505

  1. 基于联合模型的藏文实体关系抽取方法研究

  2. 基于联合模型的藏文实体关系抽取方法研究

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：2097152
    • 提供者：weixin_38516380

  1. 基于协陪义动词的中文隐式实体关系抽取

  2. 实体关系抽取的目标在于探测实体之间的显式关系和隐式关系. 现有研究大多集中在显式实体关系抽取，而忽略了隐式实体关系抽取. 针对旅游和新闻领域文本经常包含许多由协陪义动词引发的隐式实体关系，本文研究了基于协陪义动词的中文隐式实体关系抽取问题. 将机器学习方法与规则相结合，借助于显式实体关系对隐式实体关系进行推理. 首先，利用依存句法分析，设计了协陪义候选句型分类算法以及相应的协陪义成分识别算法；其次，根据协陪义成分和协陪义动词作用范围的特点，设计了三种句内基于协陪义动词的隐式实体关系推理规则；最后

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：3145728
    • 提供者：weixin_38706294

  1. 面向中文专利的开放式实体关系抽取研究

  2. 针对传统实体关系抽取需要预先指定关系类型和制定抽取规则等无法胜任大规模文本的情况，开放式信息抽取(Open Information Extraction, OIE）在以英语为代表的西方语言中取得了重大进展，但对于汉语的研究却显得不足。为此，研究了在组块层次标注基础上应用马尔可夫逻辑网分层次进行中文专利开放式实体关系抽取的方法。实验表明：以组块为出发点降低了对句子理解的难度，外层和内层组块可以统一处理，减少了工程代价;而且在相同特征条件下与 SVM 相比，基于马尔可夫逻辑网的关系抽取效果更理想，外

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：122880
    • 提供者：weixin_38638647

  1. nlp中的实体关系抽取方法总结

  2. Q1：与联合抽取对比，Pipeline方法有哪些缺点？Q2：NER除了LSTM+CRF，还有哪些解码方式？如何解决嵌套实体问题？Q3：Pipeline中的关系分类有哪些常用方法？如何应用弱监督和预训练机制？怎么解决高复杂度问题、进行one-pass关系分类？Q4：什么是关系重叠问题？Q5：联合抽取难点在哪里？联合抽取总体上有哪些方法？各有哪些缺点？Q6：介绍基于共享参数的联合抽取方法？Q7：介绍基于联合解码的联合抽取方法？Q8：实体关系抽取的前沿技术和挑战有哪些？如何解决低资源和复杂样本下的实体

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：1048576
    • 提供者：weixin_38618819

  1. 基于卷积树核的无指导中文实体关系抽取研究

  2. 该文提出了一种基于卷积树核的无指导中文实体关系抽取方法。该方法以最短路径包含树作为关系实例的结构化表示形式,以卷积树核函数作为树相似度计算方法,并采用分层聚类方法进行无指导中文实体关系抽取。在ACE RDC 2005中文基准语料库上的无指导关系抽取实验表明,采用该方法的F值最高可达到60.1,这说明基于卷积树核的无指导中文实体关系抽取是行之有效的。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：318464
    • 提供者：weixin_38517212

  1. nlp中的实体关系抽取方法总结

  2. Q1：与联合抽取对比，Pipeline方法有哪些缺点？ Q2：NER除了LSTM+CRF，还有哪些解码方式？如何解决嵌套实体问题？ Q3：Pipeline中的关系分类有哪些常用方法？如何应用弱监督和预训练机制？怎么解决高复杂度问题、进行one-pass关系分类？ Q4：什么是关系重叠问题？ Q5：联合抽取难点在哪里？联合抽取总体上有哪些方法？各有哪些缺点？

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：1048576
    • 提供者：weixin_38650150

  1. 基于CNN和双向LSTM融合的实体关系抽取

  2. 实体关系抽取旨在识别网络文本中的实体，并提取出文本中实体之间隐含的关系。研究表明，深度神经网络在实体关系抽取任务上具有可行性，并优于传统关系抽取方法。目前的关系抽取方法大都使用卷积神经网络（CNN）和长短期记忆神经网络（LSTM），然而CNN只考虑连续词之间的相关性而忽略了非连续词之间的相关性。另外，LSTM虽然考虑了长距离词的相关性，但提取特征不够充分。针对这些问题，提出了一种CNN和LSTM结合的实体关系抽取方法，采用3种结合方法进行了实验，验证了该方法的有效性，在F1值上有一定的提升。

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：632832
    • 提供者：weixin_38553648
« 12 3 4 5 6 7 »