基于深度学习的文本中细粒度知识元抽取方法研究

摘要：

[目的]改进Bootstrapping方法,建立深度学习模型从文本中抽取多类型细粒度的知识元.[方法]利用搜索引擎和Elsevier关键词构建知识元词库;基于Bootstrapping技术自动构建大规模的标注语料库,利用知识元评分模型和模式评分模型控制标注的质量;基于已标注多类型知识元的语料库训练LSTM-CRF模型,从文本中抽取新的知识元.[结果]基于17 756篇ACL论文摘要抽取“研究范畴”、“研究方法”、“实验数据”、“评价指标及取值”这4种知识元,其人工评价平均正确率为91％.[局限]模型参数的预设与调整需要人工参与,未对不同领域文本进行适用性验证.[结论]引入知识元与模式的评分模型,能够有效缓解“语义漂移”问题;基于深度学习模型抽取知识元实现快速且正确率高,为情报大数据智能分析提供了一种高效可靠的数据获取手段.

关键词：知识元抽取、命名实体识别、深度学习、Bootstrapping、LSTM-CRF

所属期刊栏目：3

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目“中文网络文本的地理实体语义关系标注与评价”41801320;国家社会科学基金项目“基于开放获取学术期刊的资源深度整合与揭示研究”16BTQ025;中国科学院文献情报中心青年创新团队项目“基于机器学习的科研指纹识别方法研究”项目馆1724的研究成果之一

在线出版日期：2019-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：38-45