在知识库构建中,最重要的部分就是提取文本中的三元组,而三元组的提取需要实体抽取和实体关系抽取技术。针对实体抽取提出了一种CWATT-BiLSTM-LSTMd(character word attention-bidirectional long short-term memory-long short-term me...在知识库构建中,最重要的部分就是提取文本中的三元组,而三元组的提取需要实体抽取和实体关系抽取技术。针对实体抽取提出了一种CWATT-BiLSTM-LSTMd(character word attention-bidirectional long short-term memory-long short-term memory)模型。该模型可以有效解决实体抽取中一词多义问题,并且可以模拟标签的依赖问题。在实体抽取的基础上进行实体关系的抽取,为解决实体关系抽取中远程监督的局限性,提出一种基于强化深度学习的RL-TreeLSTM(reinforcement learning tree long short-term memory)模型。该模型分为选择器和分类器,选择器选择有效的句子传入分类器,分类器对句子中实体对的关系标签进行预测。选择器和分类器共同训练以优化选择和分类过程,可以有效降低远程监督带来的噪音。实验结果表明,提出的模型和方法能有效地提高实体及其关系的抽取性能。展开更多
知识库是专家系统的核心模块之一,知识库中知识表示方法和结构的不同,直接影响专家系统的工作效率、推理机制、求解策略及系统的适用性。该文分析了专家系统的体系结构,采用"Web浏览器/Web服务器/数据库"三层分布的工作模式,...知识库是专家系统的核心模块之一,知识库中知识表示方法和结构的不同,直接影响专家系统的工作效率、推理机制、求解策略及系统的适用性。该文分析了专家系统的体系结构,采用"Web浏览器/Web服务器/数据库"三层分布的工作模式,详细阐述了玉米病、虫害实体的E-R模型,用SQL Server 2005构建玉米病虫害知识库、知识获取以及知识表示技术,在专家系统领域具有一定的借鉴作用,促进了农业知识的普及。展开更多
文摘在知识库构建中,最重要的部分就是提取文本中的三元组,而三元组的提取需要实体抽取和实体关系抽取技术。针对实体抽取提出了一种CWATT-BiLSTM-LSTMd(character word attention-bidirectional long short-term memory-long short-term memory)模型。该模型可以有效解决实体抽取中一词多义问题,并且可以模拟标签的依赖问题。在实体抽取的基础上进行实体关系的抽取,为解决实体关系抽取中远程监督的局限性,提出一种基于强化深度学习的RL-TreeLSTM(reinforcement learning tree long short-term memory)模型。该模型分为选择器和分类器,选择器选择有效的句子传入分类器,分类器对句子中实体对的关系标签进行预测。选择器和分类器共同训练以优化选择和分类过程,可以有效降低远程监督带来的噪音。实验结果表明,提出的模型和方法能有效地提高实体及其关系的抽取性能。
文摘知识库是专家系统的核心模块之一,知识库中知识表示方法和结构的不同,直接影响专家系统的工作效率、推理机制、求解策略及系统的适用性。该文分析了专家系统的体系结构,采用"Web浏览器/Web服务器/数据库"三层分布的工作模式,详细阐述了玉米病、虫害实体的E-R模型,用SQL Server 2005构建玉米病虫害知识库、知识获取以及知识表示技术,在专家系统领域具有一定的借鉴作用,促进了农业知识的普及。