版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、事件抽取是信息抽取領(lǐng)域中一項(xiàng)重要的研究任務(wù),旨在從含有事件信息的非結(jié)構(gòu)化文本中抽取出用戶感興趣的事件信息。微博是一種通過(guò)關(guān)注機(jī)制分享簡(jiǎn)短實(shí)時(shí)信息的廣播式的社交網(wǎng)絡(luò)平臺(tái),包含大量的文本信息。在這些文本信息中,含有用戶感興趣的事件信息。相比于正式的新聞文本,微博文本有著數(shù)量大、信息豐富、時(shí)效性高的優(yōu)點(diǎn),有利于更準(zhǔn)確,更及時(shí)地提取更豐富的事件信息。與此同時(shí),微博文本也有著表達(dá)隨意、文本短小、信息冗余的缺點(diǎn)。
傳統(tǒng)的無(wú)監(jiān)督方法在進(jìn)行微
2、博文本事件抽取時(shí)需要預(yù)設(shè)超參數(shù)事件數(shù)量,并且該參數(shù)對(duì)系統(tǒng)性能影響較大,在處理大規(guī)模微博文本時(shí),參數(shù)選擇面臨更多困難。此外,現(xiàn)有的微博文本事件抽取方法都沒(méi)有考慮到命名實(shí)體之間的聯(lián)系,在進(jìn)行事件抽取時(shí),依賴(lài)單詞的形式是否相同。
本文的主要工作有:
(1)為了解決現(xiàn)有方法依賴(lài)超參數(shù)設(shè)置的問(wèn)題,提出了以狄利克雷過(guò)程事件混合模型(DPEMM)為核心的事件抽取框架,包括DPEMM模型和基于頻率的后處理方法。該方法克服了傳統(tǒng)的無(wú)監(jiān)
3、督微博事件抽取框架抽取性能對(duì)超參數(shù)事件數(shù)量敏感的問(wèn)題。將該框架在3個(gè)數(shù)據(jù)集上與基準(zhǔn)框架進(jìn)行實(shí)驗(yàn)對(duì)比,在F1評(píng)價(jià)指標(biāo)上分別提高了6.1%,7.7%,6.0%。通過(guò)進(jìn)一步的實(shí)驗(yàn)分析,總結(jié)了該方法在實(shí)驗(yàn)數(shù)據(jù)集上優(yōu)于傳統(tǒng)方法的原因。
(2)為了解決傳統(tǒng)方法中沒(méi)有考慮命名實(shí)體之間的關(guān)聯(lián)的問(wèn)題,提出了以基于詞向量的狄利克雷過(guò)程事件混合模型(DPEMM-WE)為核心的事件抽取框架,包括DPEMM-WE模型和基于共現(xiàn)的后處理方法。該框架在兩個(gè)
4、數(shù)據(jù)集上的F1評(píng)價(jià)指標(biāo)比以DPEMM為核心的事件抽取框架分別高1,5%和3.5%。通過(guò)對(duì)聚簇結(jié)構(gòu)的分析,可以發(fā)現(xiàn)DPEMM-WE的聚簇聚集了更多的事件信息;基于共現(xiàn)的后處理方法通過(guò)將單詞之間的相關(guān)聯(lián)系融入到后處理方法中,可以有效的屏蔽聚簇中的噪音信息。
本文共分為5章,第1章介紹研究背景以及工作現(xiàn)狀,第2章介紹了理論知識(shí)及相關(guān)技術(shù),第3章介紹了以DPEMM為核心的事件抽取框架及相關(guān)實(shí)驗(yàn),第4章介紹了以DPEMM-WE為核心的事
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 面向微博文本的事件抽取.pdf
- 開(kāi)放域事件抽取與微博事件檢測(cè)跟蹤.pdf
- 微博文本的事件抽取與可視化.pdf
- 基于CRF的中文微博交通信息事件抽取.pdf
- 55967.微博事件抽取的關(guān)鍵技術(shù)研究
- 中文微博評(píng)論對(duì)象抽取研究.pdf
- 基于微博的用戶職業(yè)抽取研究.pdf
- 微博事件的評(píng)論挖掘.pdf
- 微博事件自動(dòng)摘要研究.pdf
- 微博可信性與微博事件預(yù)測(cè)的研究.pdf
- 基于聯(lián)合推斷的微博信息抽取研究.pdf
- 微博用戶信息抽取模塊開(kāi)發(fā)文檔
- 基于語(yǔ)義特征的微博評(píng)價(jià)對(duì)象抽取.pdf
- 微博熱點(diǎn)話題抽取及其情感分類(lèi).pdf
- 抗?fàn)幨录奈⒉﹤鞑シ治?pdf
- 面向中文微博的情感信息抽取方法研究.pdf
- 基于語(yǔ)義角色標(biāo)注的微博人物關(guān)系抽取.pdf
- 中文微博觀點(diǎn)句識(shí)別及要素抽取研究.pdf
- 面向微博的變異流行詞抽取方法研究.pdf
- 中文微博觀點(diǎn)句識(shí)別及評(píng)價(jià)對(duì)象抽取.pdf
評(píng)論
0/150
提交評(píng)論