版權(quán)說明: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),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、中文事件抽取是中文信息抽取的一種重要方法,研究如何將從自然語言描述的非結(jié)構(gòu)化文本中抽取出結(jié)構(gòu)化知識,它涉及到自然語言處理、模式識別、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫等多個學(xué)科,在文本蘊(yùn)含、信息檢索、股價(jià)預(yù)測、指代消解以及社區(qū)問答等領(lǐng)域均有廣泛應(yīng)用。
傳統(tǒng)中文事件抽取方法將事件抽取看作分類問題進(jìn)行處理,通過基于機(jī)器學(xué)習(xí)或者填充事件類型模版的方法來挖掘文本中的事件信息,這類方法往往只能處理特定類型相關(guān)的文本。而原子事件是不受事件類型約束的,能夠讓
2、計(jì)算機(jī)更加全面地理解段落、篇章或者文檔集中所包含的信息。
為了從文本中抽取原子事件,本文提出了一種不受事件類型約束的基于改進(jìn)隱馬爾可夫模型(Hidden Markov Models,HMMs)的中文原子事件抽取方法,該方法將中文事件抽取看作原子事件成分標(biāo)注問題。改進(jìn)HMMs考慮了歷史狀態(tài)對當(dāng)前狀態(tài)轉(zhuǎn)移和觀測值生成的影響,還考慮了相對位置特征對原子事件成分識別的影響,此外,還將K-means算法用于錯誤實(shí)例聚類得出錯誤糾正規(guī)則,
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于句法分析的中文事件抽取方法研究.pdf
- 半監(jiān)督中文事件抽取方法的研究.pdf
- 基于雙語的事件抽取方法研究.pdf
- 中文事件論元抽取研究.pdf
- 基于CRF的中文微博交通信息事件抽取.pdf
- 基于知網(wǎng)語義關(guān)系的中文事件信息抽取研究.pdf
- 中文事件可信度信息標(biāo)注和抽取方法的研究.pdf
- 基于主題的中文事件抽取技術(shù)研究及應(yīng)用.pdf
- 中文事件抽取的相關(guān)技術(shù)研究.pdf
- 基于事件框架的突發(fā)事件信息抽取.pdf
- 基于聚類的事件蘊(yùn)涵抽取方法研究與實(shí)現(xiàn).pdf
- 中文事件抽取與缺失角色填充的研究.pdf
- 基于深度置信網(wǎng)絡(luò)的中文信息抽取方法.pdf
- 基于集成學(xué)習(xí)的中文觀點(diǎn)句抽取方法研究.pdf
- 基于新聞文本的事件線抽取.pdf
- 中文信息抽?。↖E)中事件模板建立的研究.pdf
- 基于半監(jiān)督方法的生物醫(yī)學(xué)事件抽取的研究.pdf
- 基于基本層次范疇改進(jìn)TextRank算法的中文關(guān)鍵詞抽取.pdf
- 基于HMM模型的Web信息抽取方法的研究與改進(jìn).pdf
- 基于核函數(shù)的中文實(shí)體關(guān)系抽取新方法.pdf
評論
0/150
提交評論