科技情报对象关系抽取的技术选择

摘要：

科技情报数据与日俱增,呈现海量、多源、异构的特性.针对上述特点,知识图谱能较深入地分析科技情报,实现对科技情报对象的感知和刻画.科技情报对象关系的抽取是知识图谱构建的关键步骤.本文在总结分析现有关系抽取技术和传统神经网络模型的基础上,提出一种基于长短期记忆神经网络和卷积神经网络深度机器学习的关系抽取技术,并通过实验证明其具有较好的性能,与其他运用神经网络的关系抽取技术相比,该技术的准确率、召回率和F值均有提高,运用该技术有利于增强对科技情报对象关系的感知刻画能力.

关键词：关系抽取、科技情报、长短期记忆神经网络、卷积神经网络

所属期刊栏目：4

分类号：G35(情报学、情报工作)

资助基金：国家重点研发计划课题"基于云技术的煤矿典型动力灾害区域监控预警系统平台"2016YFC0801407;国家自然科学基金"物联网搜索中异构本体的语义融合研究"61601039;北京信息科技大学学校科研基金项目"本体匹配中词法分析关键技术研究"1625008;网络文化与数字传播北京市重点实验室开放课题"基于词法分析和语义分析的本体匹配研究"ICDDXN006;北京信息科技大学软件工程专业学位点建设项目5121723402

在线出版日期：2018-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：39-47