一种基于语义的上下位关系抽取方法-程序员宅基地

技术标签： nlp  论文  

一种基于语义的上下位关系抽取方法

作者：陈金栋，肖仰华
单位：复旦大学计算机科学学院

一、精简总结

本文提出了一种强模板和语义模板结合的上下位抽取框架，预抽取阶段结合强模板提高精度，迭代抽取阶段结合语义模板提高召回率。

二、引言

  1. 上下位关系也称为 isA 关系。
  2. 早期的分类体系如WordNet是人工构建的，精度高规模小
  3. 基于模板的方法是分类体系构建的主流方法之一
  4. 文献[5]利用人工定义的Hearst模板
  5. 文献[6]提出了bootstrapping框架
  6. 大部分句法模板都面临了低质量或者低覆盖率的问题，高质量高覆盖率的模板非常少；跨语言能力弱。
  7. bootstrapping存在语义漂移问题

三、相关研究

3.1 基于模板

基于模板的方法使用句法模板从文本中抽取上下位关系：

  1. 文献［5］是第一个将句法模板用于上下位关系抽取，提出了一套自动化的上位词获取算法，利用Hearst模板从非结构化文本中获取上位词。
  2. 文献［6］提出了一套迭代式算法从互联网数据中抽取上下位关系。该算法定义一些种子关系实例，利用它们获取新的句法模板，这些句法模板可用于抽取新的关系实例，重复执行上述步骤，直到没有新的关系实例产生为止。
  3. 文献［12］使用搜索引擎发现匹配句法模板的句子并从中抽取上下位关系。
    文 献［13］训练一个上下位关系分类器来发现有用的依赖路径，然后将分类器用在新的语料上识别新的上下位关系。
  4. Liu等［14］提出了一套迭代抽取中文上下位关系方法，只用到了两个强句法模板，完全忽略了弱句法模板。
  5. Wu等［11］提出了一套英文上下位关系抽取方法，构建了一个大规模的英文分类体系。

上述方法没有严格区分高质量模板和低质量模板，都面临了低精度或低覆盖率的问题。

3.2 基于百科

基于百科全书的方法从相对结构化的百科全书中抽取上下位关系：

  1. 文献［9］以维基百科的种类系统为数据源，把它建模成一个语义网络，将语义网络中的关系分为上下位关系和非上下位关系。
  2. 文 献［10］将 维基百科的种类系统中的概念映射到WordNet来获取大量的上下位关系。
  3. 类似的方法也可用于中文，文 献［8，15］使用相似的方法分别从中文维基百科和百度百科中抽取上下位关系。这种方法的精度较高，但是覆盖率较低。

3.3 基于嵌入

基于嵌入的方法将单词或短语映射到一个隐式的向量空间，然后基于这些向量发现上下位关系：

  1. 文献［16］基于词向量来获取上下位关系。
  2. 文献［17］将语法规则也映射到隐式空间，为发现上下位关系提供更多的特征。

但是这些模型的精度较低(80%左右) ，这导致了此类方法不满足实际工程的需要

四、句法模板和语义模板

高质量的模板可以产生高精度的上下位关系，而低质量的模板倾向于产生低精度的上下位关系。因此，根据模板精度将其分为强句法模板和弱句法模板。

4.1 句法模板

  • 定义一：模板P的精度
    式中:分母表示模板P从语料库中抽取的上下位关系数量;分子表示这些关系中是正确的上下位关系数量
    在这里插入图片描述

  • 定义二
    给定一个模板精度阈值γ，如果模板P满足pre(P)≥γ，则它是一个强句法模板;反之，它是一个弱句法模板。
    例如，阈值y=0.85时，表1中前两个为强模板，后两个为弱模板。

  • Hearst语义模板
    在这里插入图片描述

  • 元语义模板
    在Hearst句法模板基础上发展而来，定义了CON和ENT两个占位符，在后面用相应的概念名词进行替换。
    在这里插入图片描述

五、框架

在这里插入图片描述

六、实验

详见原文。。。

总结

本文根据句法模板的质量，将其分成更细粒度的强句法模板和弱句法模板，并将语义信息融入弱句法模板来构建语义模板。基于强句法模版和语义模板提出了一套通用的、有效的上下位关系抽取框架，从文本中抽取上下位关系。从中文维基预料中抽取得到32万的上下位关系，精度超过94%。本文方法具有高精度和高召回率的特点。此外它还可用于其他语言，只需要调整区分强弱句法模板的阈值。在中英文数据上进行了实验，实验结果证明了方法的有效性和通用性。

未来工作方向分为两部分:第一是将本文的框架用在更大规模的语料上进行上下位关系抽取来构建一个大规模高质量的中文分类体系;第二使用更多的弱句法模板，来进一步提高召回率
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42324313/article/details/111873257

智能推荐

分布式光纤传感器的全球与中国市场2022-2028年：技术、参与者、趋势、市场规模及占有率研究报告_预计2026年中国分布式传感器市场规模有多大-程序员宅基地

文章浏览阅读3.2k次。本文研究全球与中国市场分布式光纤传感器的发展现状及未来发展趋势，分别从生产和消费的角度分析分布式光纤传感器的主要生产地区、主要消费地区以及主要的生产商。重点分析全球与中国市场的主要厂商产品特点、产品规格、不同规格产品的价格、产量、产值及全球和中国市场主要生产商的市场份额。主要生产商包括：FISO TechnologiesBrugg KabelSensor HighwayOmnisensAFL GlobalQinetiQ GroupLockheed MartinOSENSA Innovati_预计2026年中国分布式传感器市场规模有多大

07_08 常用组合逻辑电路结构——为IC设计的延时估计铺垫_基4布斯算法代码-程序员宅基地

文章浏览阅读1.1k次，点赞2次，收藏12次。常用组合逻辑电路结构——为IC设计的延时估计铺垫学习目的：估计模块间的delay，确保写的代码的timing 综合能给到多少HZ，以满足需求！_基4布斯算法代码

OpenAI Manager助手（基于SpringBoot和Vue）_chatgpt网页版-程序员宅基地

文章浏览阅读3.3k次，点赞3次，收藏5次。OpenAI Manager助手（基于SpringBoot和Vue）_chatgpt网页版

关于美国计算机奥赛USACO，你想知道的都在这_usaco可以多次提交吗-程序员宅基地

文章浏览阅读2.2k次。USACO自1992年举办，到目前为止已经举办了27届，目的是为了帮助美国信息学国家队选拔IOI的队员，目前逐渐发展为全球热门的线上赛事，成为美国大学申请条件下，含金量相当高的官方竞赛。USACO的比赛成绩可以助力计算机专业留学，越来越多的学生进入了康奈尔，麻省理工，普林斯顿，哈佛和耶鲁等大学，这些同学的共同点是他们都参加了美国计算机科学竞赛（USACO)，并且取得过非常好的成绩。适合参赛人群USACO适合国内在读学生有意向申请美国大学的或者想锻炼自己编程能力的同学，高三学生也可以参加12月的第_usaco可以多次提交吗

MySQL存储过程和自定义函数_mysql自定义函数和存储过程-程序员宅基地

文章浏览阅读394次。1.1 存储程序1.2 创建存储过程1.3 创建自定义函数1.3.1 示例1.4 自定义函数和存储过程的区别1.5 变量的使用1.6 定义条件和处理程序1.6.1 定义条件1.6.1.1 示例1.6.2 定义处理程序1.6.2.1 示例1.7 光标的使用1.7.1 声明光标1.7.2 打开光标1.7.3 使用光标1.7.4 关闭光标1.8 流程控制的使用1.8.1 IF语句1.8.2 CASE语句1.8.3 LOOP语句1.8.4 LEAVE语句1.8.5 ITERATE语句1.8.6 REPEAT语句。_mysql自定义函数和存储过程

半导体基础知识与PN结_本征半导体电流为0-程序员宅基地

文章浏览阅读188次。半导体二极管——集成电路最小组成单元。_本征半导体电流为0

随便推点

【Unity3d Shader】水面和岩浆效果_unity 岩浆shader-程序员宅基地

文章浏览阅读2.8k次，点赞3次，收藏18次。游戏水面特效实现方式太多。咱们这边介绍的是一最简单的UV动画（无顶点位移），整个mesh由4个顶点构成。实现了水面效果（左图），不动代码稍微修改下参数和贴图可以实现岩浆效果（右图）。有要思路是1，uv按时间去做正弦波移动2，在1的基础上加个凹凸图混合uv3，在1、2的基础上加个水流方向4，加上对雾效的支持，如没必要请自行删除雾效代码(把包含fog的几行代码删除)S..._unity 岩浆shader

广义线性模型——Logistic回归模型（1）_广义线性回归模型-程序员宅基地

文章浏览阅读5k次。广义线性模型是线性模型的扩展，它通过连接函数建立响应变量的数学期望值与线性组合的预测变量之间的关系。广义线性模型拟合的形式为：其中g(μY)是条件均值的函数（称为连接函数）。另外，你可放松Y为正态分布的假设，改为Y 服从指数分布族中的一种分布即可。设定好连接函数和概率分布后，便可以通过最大似然估计的多次迭代推导出各参数值。在大部分情况下，线性模型就可以通过一系列连续型或类别型预测变量来预测正态分布的响应变量的工作。但是，有时候我们要进行非正态因变量的分析，例如：（1）类别型.._广义线性回归模型

HTML+CSS大作业 环境网页设计与实现(垃圾分类) web前端开发技术 web课程设计 网页规划与设计_垃圾分类网页设计目标怎么写-程序员宅基地

文章浏览阅读69次。环境保护、 保护地球、 校园环保、垃圾分类、绿色家园、等网站的设计与制作。 总结了一些学生网页制作的经验：一般的网页需要融入以下知识点：div+css布局、浮动、定位、高级css、表格、表单及验证、js轮播图、音频 视频 Flash的应用、ul li、下拉导航栏、鼠标划过效果等知识点，网页的风格主题也很全面：如爱好、风景、校园、美食、动漫、游戏、咖啡、音乐、家乡、电影、名人、商城以及个人主页等主题，学生、新手可参考下方页面的布局和设计和HTML源码（有用点赞△） 一套A+的网_垃圾分类网页设计目标怎么写

C# .Net 发布后,把dll全部放在一个文件夹中,让软件目录更整洁_.net dll 全局目录-程序员宅基地

文章浏览阅读614次，点赞7次，收藏11次。之前找到一个修改 exe 中 DLL地址 的方法, 不太好使,虽然能正确启动, 但无法改变 exe 的工作目录,这就影响了.Net 中很多获取 exe 执行目录来拼接的地址 ( 相对路径 ),比如 wwwroot 和 代码中相对目录还有一些复制到目录的普通文件 等等,它们的地址都会指向原来 exe 的目录, 而不是自定义的 “lib” 目录,根本原因就是没有修改 exe 的工作目录这次来搞一个启动程序,把 .net 的所有东西都放在一个文件夹,在文件夹同级的目录制作一个 exe._.net dll 全局目录

BRIEF特征点描述算法_breif description calculation 特征点-程序员宅基地

文章浏览阅读1.5k次。本文为转载，原博客地址：http://blog.csdn.net/hujingshuang/article/details/46910259简介 BRIEF是2010年的一篇名为《BRIEF:Binary Robust Independent Elementary Features》的文章中提出，BRIEF是对已检测到的特征点进行描述，它是一种二进制编码的描述子，摈弃了利用区域灰度..._breif description calculation 特征点

房屋租赁管理系统的设计和实现，SpringBoot计算机毕业设计论文_基于spring boot的房屋租赁系统论文-程序员宅基地

文章浏览阅读4.1k次，点赞21次，收藏79次。本文是《基于SpringBoot的房屋租赁管理系统》的配套原创说明文档，可以给应届毕业生提供格式撰写参考，也可以给开发类似系统的朋友们提供功能业务设计思路。_基于spring boot的房屋租赁系统论文

推荐文章

热门文章

相关标签