版权说明 操作指南
首页 > 成果 > 详情

基于句法语义特征的中文实体关系抽取

认领
导出
Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
作者:
郭喜跃;何婷婷(何婷婷);胡小华;陈前军
作者机构:
[郭喜跃; 陈前军] 华中师范大学
[何婷婷; 胡小华] 华中师范大学计算机学院
语种:
中文
关键词:
句法特征;语义特征;实体关系抽取
关键词(英文):
SVM
期刊:
中文信息学报
ISSN:
1003-0077
年:
2014
卷:
28
期:
6
页码:
183-189
基金类别:
国家社会科学基金重大项目(12&2D223) 国家“十二五”科技支撑计划课题(2012BAK24801) 国家自然科学基金(61300144) 国家语委“十二五”重点项目(ZD1125-1) 教育部/国家外国专家局高等学校学科创新引智计划项目(B07042) 湖北省自然科学基金重点项目(2011CDA034) 华中师范大学中央高校基本科研业务费项目(CCNU13A05014,No.CCNU13C01001,CCNU13F010).
机构署名:
本校为第一机构
院系归属:
计算机学院
国家数字化学习工程技术研究中心
摘要:
实体关系抽取的核心问题是实体关系特征的选择。以往的研究通常都以词法特征、实体原始特征等来刻画实体关系,其抽取效果已难再提高。在传统方法的基础上,该文提出一种基于句法特征、语义特征的实体关系抽取方法,融入了依存句法关系、核心谓词、语义角色标注等特征,选择SVM作为机器学习的实现途径,以真实新闻文本作为语料进行实验。实验结果表明该方法的F1值有明显提升。
摘要(英文):
Identifying the relation features between named entities is the key aspect in named entity relation extrac- tion. Traditional methods usually chose the lexical features and other surface features, which are well addressed al- ready. This paper proposes a novel Chinese named entity relation extraction method, adding such syntactic and se- mantic features as dependency parsing, core predicate verb and semantic role labeling etc. Experimented by SVM o- ver a true news text corpus, the results indicat...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com