基于弱监督学习的中文百科数据属性抽取

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于弱监督学习的中文百科数据属性抽取

贾真, 杨燕, 何大可

文章导航 > 电子科技大学学报 > 2014 > 43(5): 758-763

贾真, 杨燕, 何大可. 基于弱监督学习的中文百科数据属性抽取[J]. 电子科技大学学报, 2014, 43(5): 758-763. doi: 10.3969/j.issn.1001-0548.2014.05.022

引用本文:

贾真, 杨燕, 何大可. 基于弱监督学习的中文百科数据属性抽取[J]. 电子科技大学学报, 2014, 43(5): 758-763. doi: 10.3969/j.issn.1001-0548.2014.05.022

JIA Zhen, YANG Yan, HE Da-ke. Attribute Extraction of Chinese Online Encyclopedia Based on Weakly Supervised Learning[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(5): 758-763. doi: 10.3969/j.issn.1001-0548.2014.05.022

Citation:

JIA Zhen, YANG Yan, HE Da-ke. Attribute Extraction of Chinese Online Encyclopedia Based on Weakly Supervised Learning[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(5): 758-763. doi: 10.3969/j.issn.1001-0548.2014.05.022

基于弱监督学习的中文百科数据属性抽取

doi: 10.3969/j.issn.1001-0548.2014.05.022

1.
西南交通大学信息科学与技术学院成都 610031

基金项目:

国家自然科学基金(61170111, 61202043, 61262058)

作者简介:
贾真(1975-),女,博士生,主要从事信息抽取、内容安全、知识工程方面的研究.

中图分类号: TP391

Attribute Extraction of Chinese Online Encyclopedia Based on Weakly Supervised Learning

1.
School of Information Science and Technology,Southwest Jiaotong University Chengdu 610031

摘要: 提出基于弱监督学习的属性抽取方法, 利用知识库中已有结构化的属性信息自动获取训练语料, 有效解决了训练语料不足问题. 针对训练语料存在的噪声问题, 提出基于关键词过滤的训练语料优化方法. 提出n元模式特征提取方法, 该特征能够缓解传统n-gram特征稀疏性问题. 实验数据源来自互动百科, 从互动百科信息盒中抽取结构化属性信息构建知识库, 从百科条目文本中自动获取训练数据和测试数据. 实验结果表明, 关键词过滤能有效提高训练语料的质量, 与传统n-gram特征相比, n元模式特征能够提高属性抽取的性能.
- 属性抽取 /
- 特征提取 /
- 关系抽取 /
- 弱监督学习
Abstract: An attribute extraction method based on weakly supervised learning is proposed in the paper. The training corpus is automatically acquired from natural language texts by using structured attribute information from knowledgebase. To solve the problem that noise exists in the training corpus, an optimization method based on keywords filtering is proposed. N-pattern features extraction method is proposed which can relieve to some extent the data sparsity problem of traditional n-gram features. Experiment data are downloaded from Hudong Baike. Structured attribute information is extracted from infoboxes of Hudong Baike and used to construct knowledgebase. Training data and testing data are acquired from encyclopedia entry texts. Experiment results show that the method of keywords filtering can effectively improve the quality of training corpus, and achieve better performance of attribute extraction by using n-pattern features, compared with traditional n-gram features.
- attribute extraction /
- feature extraction /
- relation extraction /
- weakly supervised learning

[1]	翟社平, 李航, 亢鑫年, 杨锐. 融合强化学习的实体关系联合抽取模型 . 电子科技大学学报, 2024, 53(2): 243-251. doi: 10.12178/1001-0548.2023107
[2]	郭磊, 林啸宇, 王勇, 陈正武, 常伟. 基于深度学习的直升机旋翼声信号检测与识别一体化算法 . 电子科技大学学报, 2023, 52(6): 925-931. doi: 10.12178/1001-0548.2023108
[3]	罗欣, 陈艳阳, 耿昊天, 许文波, 张民. 基于深度强化学习的文本实体关系抽取方法 . 电子科技大学学报, 2022, 51(1): 91-99. doi: 10.12178/1001-0548.2021162
[4]	杨旺功, 淮永建, 张福泉. 基于Gabor及深度神经网络的葡萄种子分类 . 电子科技大学学报, 2020, 49(1): 131-138. doi: 10.12178/1001-0548.2019164
[5]	曹占涛, 杨国武, 陈琴, 吴尽昭, 李晓瑜. 基于修正标签分布的乳腺超声图像分类 . 电子科技大学学报, 2020, 49(4): 597-602. doi: 10.12178/1001-0548.2020001
[6]	田坤, 李晋. 太赫兹频段微动特征边缘检测及提取方法 . 电子科技大学学报, 2018, 47(1): 19-24, 36. doi: 10.3969/j.issn.1001-0548.2018.01.003
[7]	黄颖, 王文斌, 郑弘晖. 基于代数多重网格的图像传感器物体识别技术 . 电子科技大学学报, 2015, 44(5): 743-748. doi: 10.3969/j.issn.1001-0548.2015.05.018
[8]	闫海, 李国辉, 李建勋. 雷达抗欺骗式干扰信号特征提取方法 . 电子科技大学学报, 2015, 44(1): 50-54. doi: 10.3969/j.issn.1001-0548.2015.01.008
[9]	韩杰思, 沈建京. 采用图像滤波的多特征JPEG盲检测 . 电子科技大学学报, 2011, 40(2): 255-260. doi: 10.3969/j.issn.1001-0548.2011.02.020
[10]	蒲晓蓉, 樊科, 黄东. 类内子流形局部间隔对齐的人脸图像判别方法 . 电子科技大学学报, 2010, 39(6): 915-919. doi: 10.3969/j.issn.1001-0548.2010.06.023
[11]	王敏琴, 韩国强, 涂泳秋. 新型的无监督纹理分割方法 . 电子科技大学学报, 2010, 39(1): 11-15. doi: 10.3969/j.issn.1001-0548.2010.01.003
[12]	龙文, 马坤, 辛阳, 杨义先. 适用于协议特征提取的关联规则改进算法 . 电子科技大学学报, 2010, 39(2): 302-305. doi: 10.3969/j.issn.1001-0548.2010.02.032
[13]	李建勋, 唐斌, 吕强. 双谱特征提取在欺骗式干扰方式识别中的应用 . 电子科技大学学报, 2009, 38(3): 329-332. doi: 10.3969/j.issn.1001-0548.2009.03.003
[14]	于雪莲, 刘本永. 最优的核判别分析用于雷达目标识别 . 电子科技大学学报, 2008, 37(6): 883-885,937.
[15]	刘德平, 刘晓宇, 陈建军. 逆向工程特征参数提取技术研究 . 电子科技大学学报, 2008, 37(3): 474-477.
[16]	张秋余, 孙晶涛, 闫晓文, 黄文汉. LSA和MD5算法在垃圾邮件过滤系统的应用研究 . 电子科技大学学报, 2007, 36(6): 1223-1227.
[17]	孟庆宇, 刘本永, 姚宏达. 基于分数本征特征的手写数字识别 . 电子科技大学学报, 2006, 35(3): 289-291.
[18]	许仕海, 张晓玲, 江勇, 吉宗海. 一维运动目标的特征估计 . 电子科技大学学报, 2005, 34(6): 767-770.
[19]	韩春林, 雷飞, 王建国, 向敬成. 合成孔径雷达图像目标分类研究 . 电子科技大学学报, 2004, 33(1): 1-4.
[20]	王贵新, 刘建胜, 居琰, 汪同庆, 彭健, 杨波. “有效行”特征对手写体字符的识别 . 电子科技大学学报, 2001, 30(3): 287-291.

WeChat

点击查看大图

计量

文章访问数: 3481
HTML全文浏览量: 166
PDF下载量: 75
被引次数: 0

基于弱监督学习的中文百科数据属性抽取

doi: 10.3969/j.issn.1001-0548.2014.05.022

1. 西南交通大学信息科学与技术学院成都 610031

基金项目:

国家自然科学基金(61170111, 61202043, 61262058)

作者简介:
贾真(1975-),女,博士生,主要从事信息抽取、内容安全、知识工程方面的研究.

收稿日期: 2014-02-24
修回日期: 2014-07-08
刊出日期: 2014-10-15

中图分类号: TP391

关键词:

摘要: 提出基于弱监督学习的属性抽取方法, 利用知识库中已有结构化的属性信息自动获取训练语料, 有效解决了训练语料不足问题. 针对训练语料存在的噪声问题, 提出基于关键词过滤的训练语料优化方法. 提出n元模式特征提取方法, 该特征能够缓解传统n-gram特征稀疏性问题. 实验数据源来自互动百科, 从互动百科信息盒中抽取结构化属性信息构建知识库, 从百科条目文本中自动获取训练数据和测试数据. 实验结果表明, 关键词过滤能有效提高训练语料的质量, 与传统n-gram特征相比, n元模式特征能够提高属性抽取的性能.

English Abstract

贾真, 杨燕, 何大可. 基于弱监督学习的中文百科数据属性抽取[J]. 电子科技大学学报, 2014, 43(5): 758-763. doi: 10.3969/j.issn.1001-0548.2014.05.022

引用本文:

贾真, 杨燕, 何大可. 基于弱监督学习的中文百科数据属性抽取[J]. 电子科技大学学报, 2014, 43(5): 758-763. doi: 10.3969/j.issn.1001-0548.2014.05.022

JIA Zhen, YANG Yan, HE Da-ke. Attribute Extraction of Chinese Online Encyclopedia Based on Weakly Supervised Learning[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(5): 758-763. doi: 10.3969/j.issn.1001-0548.2014.05.022

Citation:

JIA Zhen, YANG Yan, HE Da-ke. Attribute Extraction of Chinese Online Encyclopedia Based on Weakly Supervised Learning[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(5): 758-763. doi: 10.3969/j.issn.1001-0548.2014.05.022

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发