基于代价敏感的远程监督关系抽取关键技术研究

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．2 关系抽取任务简介

1．3 本文主要研究内容

1．4 本文组织结构

2．1 引言

2．2 基于机器学习方法的实体关系抽取

2．2．1无监督关系抽取

2．2．2有监督关系抽取

2．2．3弱监督关系抽取

2．3 卷积神经网络简介

2．3．1卷积层

2．3．2池化层

2．3．3前向传播

2．3．4反向传播

2．4 多示例学习

2．5 代价敏感学习

2．6 本章小结

第三章基于代价敏感排序损失的远程监督关系抽取

3．1 引言

3．2 词向量概述

3．2．1语言模型简介

3．2．2 Word2Vec

3．3 PCNN模型

3．3．1 词向量

3．3．2位置向量

3．3．3卷积操作

3．3．4分段最大池化

3．4 基于排序的分类器模型

3．4．1分类器

3．4．2示例选择

3．5 使用敏感代价解决数据类别不平衡

3．6 代价敏感的排序损失

3．7 本章小结

第四章基于类可分离性度量的代价敏感远程监督实体关系抽取

4．1 引言

4．2 类可分离性

4．2．1类可分离性定义

4．2．2类可分离性判据

4．3 类可分离性度量

4．4 结合类可分离性度量的代价敏感排序损失

4．5 本章小结

第五章实验结果与分析

5．1 数据集及评价方法

5．2 实验设置

5．3 基线方法

5．4 实验结果与分析

5．5 类可分离性和代价敏感的效果

5．6 本章小结

6．1 总结

6．2 展望

参考文献

致谢

附录