多策略中文开放关系抽取方法

开放关系抽取从海量数据中获取知识,是自然语言处理的一个关键技术。开放关系抽取可以实现多种关系的抽取,由于中文领域可供训练的标注数据较少且语义句式较为复杂,面向中文的开放关系抽取存在较多困难。现有的中文开放关系抽取方法存在实体识别覆盖率较低且抽取关系种类单一的问题,无法满足知识图谱扩展等应用需求。该文提出了多策略的开放关系抽取方法,该方法综合利用知识图谱提高了实体识别的覆盖度,依靠实体上下文信息实现了实体对关系的抽取,根据依存句法分析抽取得到全要素三元组,并实现了从文本中抽取实体属性的方法。实验证明,该文的抽取方法准确率高,抽取关系种类多样,可以服务于知识图谱扩展等任务。

基于长句简化的中文开放关系抽取

目前中文开放关系抽取的主流方法是根据句法分析结果制定抽取规则进行抽取,这种方法严重依赖于自然语言处理工具的处理效果。当文本句子长度较长时,自然语言处理工具准确性较低,关系抽取质量也随之下降。因此,提出了一种基于长句简化的开放关系抽取方法。首先,基于序列到序列模型框架对文本中的长句进行化简;然后,利用词法和句法规则对化简后的各个子句分别进行关系抽取。长句简化部分,将BERT的双向Transformer结构作为序列到序列模型的主体,输入端通过BERT-WWM预训练模型获取句子的文本向量,解码器利用UniLM的Seq2Seq Mask机制进行解码。关系抽取部分,首先,根据依存句法分析结果抽取出主谓宾结构的基础关系数据。然后,再根据词法、句法信息对实体和关系词进行补充。实验结果表明,该方法有效提高了对复杂长句的开放关系抽取的准确率和召回率。最后,对抽取的关系数据进行了错误分析,并对错误种类进行了归纳,为以后的开放关系抽取研究提供了参考。

基于无监督集成聚类的开放关系抽取方法

开放关系抽取(Open Relation Extraction, OpenRE)旨在从开放域语料库中抽取关系事实。大多数OpenRE方法通常局限于无监督方法提取命名实体之间的关系模式,然后将语义等价的模式聚类成一个关系簇,但由于缺少监督信息且聚类精度较低,影响了最终的关系抽取效果。为了进一步提高聚类性能,该文提出一种无监督集成聚类框架(Unsupervised Ensemble Clustering, UEC),它将无监督集成学习与基于信息度量的多步聚类算法相结合自主创建高质量伪标签,并以此作为监督信息改进关系特征的学习,从而引导聚类过程,获得更好的标签质量,最后通过多次迭代聚类发现文本中的关系类型。在FewRel和NYT-FB数据集上的实验结果表明,该文方法优于其他主流的基线OpenRE模型,F_(1)值分别达到了65.2%和67.1%。

平台社会中个人数据的开放关系研究——基于国内80个应用平台(App)的参与式观察

[目的/意义]随着数字平台的崛起以及人类生产、生活实践的平台化迁移,平台社会成为当前技术与社会环境的精确提炼,个人数据成为其中的关键生产要素。探究应用平台之间个人数据的开放关系,能在平台社会的宏观视野中考察个人数据的开放现状及其理论意涵,揭示新型技术与社会环境下的个人数据治理新问题。[方法/过程]文章以国内用户日常使用频繁的Top80应用平台为样本,对应用平台的隐私政策和开放平台官网进行内容分析,对应用平台之间有代表性的开放场景进行参与式观察与社会网络分析。[结果/结论]在平台社会中,应用平台主要会向关联公司和授权合作伙伴开放其用户个人数据,应用平台之间形成了基于后端个人数据流的开放关系网络结构,其实质是个人数据的双向非对称流动。应用平台的普遍开放将进一步扩大个人数据的风险范围,数据聚合将增加个人可识别与再识别出来的风险,数据割据将进一步削弱个人对其数据的控制力。

基于通用知识库的地理实体开放关系过滤方法

文本数据为地理知识服务提供了海量资源。面向文本数据的地理实体关系抽取是地理知识图谱构建的核心技术,直接影响地理知识推理与服务的质量。由于文本数据不可避免地含有噪声,从文本中抽取的地理实体关系需要质量评价和信息过滤。本文提出一种基于通用知识库的地理实体关系过滤方法,针对已抽取的地理实体关系从中筛选出高质量的结果:先利用"本体知识"、"事实知识"和"同义词知识"构建地理关系知识库,作为信息过滤的参照数据;再基于分布式向量表示模型度量已抽取的地理实体关系与参照数据之间的语义相似性,以提高地理知识图谱的丰度与鲜度。实验结果表明,相比业界流行的"Stanford OpenIE"工具,本文所提出的方法可将置信度区间[0, 0.2]和[0.8, 1]的MSE(Mean Square Error)从59.27%降至3.94%,AUC(Area Under the ROC Curve)从0.51提升至0.89。

无指导的中文开放式实体关系抽取

传统的实体关系抽取需要预先定义关系类型体系,然而定义一个全面的实体关系类型体系是很困难的.开放式实体关系抽取技术解决了预先定义关系类型体系的问题,但是在中文上的研究还比较少.提出面向大规模网络文本的无指导开放式中文实体关系抽取方法,首先使用实体之间的距离限制和关系指示词的位置限制获取候选关系三元组;然后采用全局排序和类型排序的方法来挖掘关系指示词;最后使用关系指示词和句式规则对关系三元组进行过滤.在获取大量关系三元组的同时,还保证了80%以上的微观平均准确率.

基于BiLSTM-CRF的中文生物医学开放式概念关系抽取

目的:利用深度学习方法自动抽取中文生物医学文本中的开放式概念关系,以增强生物医学文本理解及医学知识网络构建。方法:使用BiLSTM-CRF模型从中文生物医学文献数据中抽取以句子上下文短语描述的开放式概念关系,并与基于条件随机场(Conditional Random Fields,CRF)和基于长短时记忆网络(Long Short-Term Memory,LSTM)的方法进行对比分析。结果:基于BiLSTM-CRF的中文生物医学开放式概念关系抽取方法取得F1值为0.5221,显著高于基于CRF模型的方法(F1值为0.2353)和基于LSTM模型的方法(F1值为0.3355)。结论:与单独使用CRF模型或LSTM模型的方法相比,基于BiLSTM-CRF的开放式概念关系抽取方法具有更好的鲁棒性和泛化性,对于生物医学文本理解、医学知识网络构建等研究具有借鉴意义。

基于关系指示词库的开放式实体关系抽取算法

为解决传统实体关系抽取方法适应性较差的问题,提出基于关系指示词库的开放式实体关系抽取方法(WCORE)。根据上下文环境自动构建与人工补充的方式构建关系指示词库,两种方式相互补充,主要论述3个问题:关系三元组的确立;关系指示词信息增益的计算与关系指示词库的构建;基于关系指示词库的分类实体关系信息抽取。以真实微博文本作为语料,平均F值达到了75.90%,实验结果表明该方法具有较好的可行性和适应性。

开放大学与民生的关系探讨

按照教育经济学的观点,教育的投入与产出是成正比的,受教育程度高的人工作后的经济收益比较高。因此解决民生问题,教育是最有效的措施。开放大学及其前身广播电视大学因民生而建,与民生相互促进、共同发展。

面向中文专利的开放式实体关系抽取研究

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支持向量机相比,基于马尔可夫逻辑网的关系抽取效果更理想,外层和内层识别结果的F值分别可达到77.92%和69.20%。

开放型民族关系的建立与四川民族经济的发展

四川民族地区各族人民在党中央国务院的关怀下 ,在省委、省政府的领导下 ,大胆改革开放 ,经过艰苦的努力 。

关系抽取研究综述

信息抽取、自然语言理解、信息检索等应用需要更好地理解两个实体之间的语义关系,对关系抽取进行概况总结。将关系抽取划分为两个阶段研究:特定领域的传统关系抽取和开放领域的关系抽取。并对关系抽取从抽取算法、评估指标和未来发展趋势三个部分对关系抽取系统进行系统的分析总结。

实体关系抽取研究综述

实体关系抽取作为信息抽取的核心任务和重要环节,能够实现实体对间语义关系的识别,对句子语义理解及实体语义知识库构建有着重要作用。回顾了实体关系抽取的发展史,总结了有监督实体关系抽取、无监督实体关系抽取、半监督实体关系抽取和开放式实体关系抽取4类方法的原理和代表性研究,并对各类方法进行了详细比较。

中文实体关系抽取研究综述

作为信息抽取任务中极为关键的一项子任务,实体关系抽取对于语义知识库的构建和知识图谱的发展都有着重要的意义。对于中文而言,语义关系更加复杂,实体关系抽取的作用也就愈加显著,因此,对中文实体关系抽取的研究方法进行详细考察极为必要。本文从实体关系抽取的产生和发展开始,对目前基于中文的实体关系抽取技术现状作了阐述;按照关系抽取方法对语料的依赖程度分为4类:有监督的实体关系抽取、无监督的实体关系抽取、半监督的实体关系抽取和开放域的实体关系抽取,并对这4类抽取方法进行具体的分析和比较;最后介绍深度学习在中文实体关系抽取上的应用成果和发展前景。

实体关系抽取技术研究进展综述

实体关系抽取是指从句子中抽取两个实体之间的关系类别的任务。作为自然语言处理的关键性技术,实体关系抽取在信息检索、知识图谱、自动问答系统等领域具有广阔的应用前景。对于实体关系抽取研究历程作出了详细评述,包括从传统的实体关系抽取到目前基于深度学习的实体关系抽取。重点阐述了基于深度学习的实体关系抽取的主要模型以及流程框架,并对实体关系抽取存在的技术难点加以总结,最后对实体关系抽取的发展进行展望。

实施开放式教学策略,打造灵动有效的课堂——开放式初中数学教学探微

本文从著名教育家陶行知的“教育要让学生实现六大解放”这一思想 出发,积极探索开放式教学方法,提出开放师生关系、开放教学目标、开放教学内 容、开放教学方式、开放教学手段、开放教学评价等观点,并明确了具体的实施方法,从而实现打造灵动和有效的数学 课堂的目标.

开放式英语教学初探

开放式教学是一种建立在新课程改革基础之上的多角度、多手段和主动学习的发散型教学模式,通过对教学的整体优化,建立以学习者为中心、以学生自主活动为基础的动态开放的教学形式。开放式教学使教学更好地面向全体学生,增加教学的自由度、选择性和灵活性,从而使课堂教学焕发出应有的活力。

从生死相依到渐被离弃:云南昆曼公路沿线那柯里村的路人类学研究

云南省普洱市那柯里村是一个典型的路边村寨,该村因路而生、因路而兴、因路而变。在经历了因路而快速发展之后,进入昆曼国际大通道时代却面临着渐被道路离弃的困境。在传统马帮道路和开放式公路模式下,路与周边社区居民的关系也是开放式的,从而为村寨"嵌入"道路提供了条件。在现代高速公路模式下,高速公路全封闭的运行空间表达着现代化、全球化的门槛。路边村寨与道路间的隔离物,不仅包括有形路障,而且还有市场、信息和发展理念等无形门槛。路边村寨要再次与国际大通道联接,需要的是与其建立多方位、网络化、系统化的关联关系。

全球化分裂背景下制度型开放的内在逻辑与中国策略选择

在全球化分裂背景下,从商品和要素流动型开放过渡至制度型开放的必要性显著提升。“制度学习”与“制度创新”是制度型开放下的两种基本行为选择,并将形成“制度相容”和“制度互斥”两种不同的结果。中国制度型开放的目标,不仅要在短期内抑制全球化分裂带来的风险,中期内为中国建设更高水平开放型经济新体制服务,更要在长期内通过推动制度创新和提升制度质量来支撑中国经济崛起的可持续性。中国制度型开放面临着全球化分裂、地缘政治冲突以及意识形态因素等方面的不利因素,应坚持以制度质量提升为导向、制度学习和制度创新并重、通过深化对内改革促进对外开放最终推动全球经济治理中的制度创新。