• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Mathematical Problems in Engineering >A Semieager Classifier for Open Relation Extraction
【24h】

A Semieager Classifier for Open Relation Extraction

机译：开放式关系抽取的Semieager分类器

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A variety of open relation extraction systems have been developed in the last decade. And deep learning, especially with attention model, has gained much success in the task of relation classification. Nevertheless, there is, yet, no research reported on classifying open relation tuples to our knowledge. In this paper, we propose a novel semieager learning algorithm (SemiE) to tackle the problem of open relation classification. Different from the eager learning approaches (e.g., ANNs) and the lazy learning approaches (e.g., kNN) the SemiE offers the benefits of both categories of learning scheme, with its significantly lower computational cost (O(n)). This algorithm can also be employed in other classification tasks. Additionally, this paper presents an adapted attention model to transform relation phrases into vectors by using word embedding. The experimental results on two benchmark datasets show that our method outperforms the state-of-the-art methods in the task of open relation classification.
机译：在过去的十年中，已经开发了各种各样的开放关系提取系统。深度学习（尤其是注意力模型）在关系分类任务中获得了很大的成功。尽管如此，目前还没有关于将开放关系元组分类到我们的知识的研究报道。在本文中，我们提出了一种新颖的半主动学习算法（SemiE）来解决开放关系分类问题。与急切的学习方法（例如，ANN）和懒惰的学习方法（例如，kNN）不同，SemiE提供了这两种学习方案的优势，其计算成本（O（n））明显较低。该算法也可以用于其他分类任务。此外，本文提出了一种适用的注意力模型，可以通过单词嵌入将关系短语转换为向量。在两个基准数据集上的实验结果表明，在开放关系分类任务中，我们的方法优于最新方法。

著录项

  • 来源
    《Mathematical Problems in Engineering》 |2018年第14期|4929674.1-4929674.9|共9页
  • 作者

    Liu Peigian; Wang Xiaojie;

  • 作者单位

    Beijing Univ Posts & Telecommun, Sch Comp Sci, Beijing 100876, Peoples R China|Henan Polytech Univ, Sch Comp Sci, Jiaozuo 454003, Henan, Peoples R China;

    Beijing Univ Posts & Telecommun, Sch Comp Sci, Beijing 100876, Peoples R China;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号