中文信息学报
中文信息學報
중문신식학보
JOURNAL OF CHINESE INFORMAITON PROCESSING
2014年
6期
216-222
,共7页
刘丽佳%郭剑毅%周兰江%余正涛%邵发%张金鹏
劉麗佳%郭劍毅%週蘭江%餘正濤%邵髮%張金鵬
류려가%곽검의%주란강%여정도%소발%장금붕
BP神经网络%LM算法%属性关系抽取
BP神經網絡%LM算法%屬性關繫抽取
BP신경망락%LM산법%속성관계추취
BP neural network%LM algorithm%attribute relation extraction
针对非结构化自由文本中关系模式比较复杂,关系抽取性能不高的问题,该文提出了利用BP神经网络的优化算法-LM算法,对非结构化自由文本信息中的领域概念实体属性关系进行抽取.首先对语料进行预处理,然后利用CRFs模型对领域概念的实例、属性和属性值进行实体识别,然后根据领域中各类关系的特点分别进行特征提取,构造BP神经网络模型,利用LM算法抽取相应关系.和适用于二分类问题的SVM相比,人工神经网络优化算法自主学习能力强,识别精度高,更适用于多分类的问题.通过几组实验表明,该方法在领域概念实体属性关系抽取方面取得了良好的效果,F值提高了12.8％.
針對非結構化自由文本中關繫模式比較複雜,關繫抽取性能不高的問題,該文提齣瞭利用BP神經網絡的優化算法-LM算法,對非結構化自由文本信息中的領域概唸實體屬性關繫進行抽取.首先對語料進行預處理,然後利用CRFs模型對領域概唸的實例、屬性和屬性值進行實體識彆,然後根據領域中各類關繫的特點分彆進行特徵提取,構造BP神經網絡模型,利用LM算法抽取相應關繫.和適用于二分類問題的SVM相比,人工神經網絡優化算法自主學習能力彊,識彆精度高,更適用于多分類的問題.通過幾組實驗錶明,該方法在領域概唸實體屬性關繫抽取方麵取得瞭良好的效果,F值提高瞭12.8％.
침대비결구화자유문본중관계모식비교복잡,관계추취성능불고적문제,해문제출료이용BP신경망락적우화산법-LM산법,대비결구화자유문본신식중적영역개념실체속성관계진행추취.수선대어료진행예처리,연후이용CRFs모형대영역개념적실례、속성화속성치진행실체식별,연후근거영역중각류관계적특점분별진행특정제취,구조BP신경망락모형,이용LM산법추취상응관계.화괄용우이분류문제적SVM상비,인공신경망락우화산법자주학습능력강,식별정도고,경괄용우다분류적문제.통과궤조실험표명,해방법재영역개념실체속성관계추취방면취득료량호적효과,F치제고료12.8％.
