A关系抽取
关注
分享
扫一扫
文章平均质量分 68
腾云丶
这个作者很懒，什么都没留下…
展开
-
论文笔记：A Novel Use of Statistical Parsing to Extract Information from Text Integrated Sentential Proce
这篇论文发表的比较早，发表于2000年，属于信息抽取的传统方法。 一、文章要解决的问题 解决文本信息抽取问题，主要用于两个公开的信息抽取任务 MUC-7（The senven Message Understanding Conference） TE（The Template Element） 二、文章使用的方法（亮点、创新点） 词汇化、概率上下文无关语法程序，使用的treeba...原创 2018-05-29 19:02:11 · 1661 阅读 · 0 评论 -
论文笔记（9）：Large Scaled Relation Extraction with Reinforcement Learning
论文笔记：Large Scaled Relation Extraction with Reinforcement Learning 一、解决的问题 远程监督数据集中的句子并不直接标记，并且并非所有提及实体对的句子都可以表示它们之间的关系。例如， [Obama]e1[Obama]e1[Obama]_{e_1} was born in the United [States]e2...原创 2018-07-15 22:04:04 · 2332 阅读 · 0 评论 -
论文笔记8：Distant Supervision for Relation Extraction beyond the Sentence Boundary
论文笔记：Distant Supervision for Relation Extraction beyond the Sentence Boundary 第一次提出应用远程监督跨句子关系抽取，文章发表于2016年 一、解决得问题 现有得远程监督关系抽取只从单句中抽取。跨句子抽取在有监督学习中已经有所研究，但利用远程监督得还没有。 二、方法和过程 2.1 思想 采用文档级图表示...原创 2018-07-03 22:35:42 · 2439 阅读 · 0 评论 -
论文笔记7：Simple Algorithms for Complex Relation Extraction with Applications to Biomedical IE
论文笔记：Simple Algorithms for Complex Relation Extraction ·1234with Applications to Biomedical IE 提出将多元关系抽取转化为二元关系抽取，应用到的是一个句子，但作者提出扩展到跨句子抽取很容易。本文发表于2005年，属于早期论文。 一、论文要解决的问题 生物医学数据的快速发展，让利用计算机技术提取有用信息...原创 2018-06-30 13:30:10 · 1330 阅读 · 0 评论 -
论文笔记6：Distant supervision for relation extraction without labeled data
提出远程监督，从缺少标签的数据中抽取二元关系 一、论文要解决的问题 对于ACE等抽取任务，关系抽取的经典模型是基于监督学习的算法。此片论文提出了一种不依赖标签数据的算法，降低了对数据集的依赖，尤其适合于大规模数据集合抽取。 1.1 机器学习方法存在的问题 在有监督机器学习方法中，首先需要人工标注句子中的实体和他们之间的关系。例如在ACE任务中，提供的数据集里包括1000多分文档，每个...原创 2018-05-29 19:09:15 · 5315 阅读 · 0 评论 -
论文笔记5：Integrating Probabilistic Extraction Models and Data Mining to Discover Relations and Patterns
使用条件随机场抽取信息，抽取实体间的二元关系 一、论文要解决的问题 在信息抽取系统中，为了获得较好的性能，必须包含数据本身固有的关系模式，但是手工编写这些规则费时费力俄而且不可能编写全部规则。而且数据中存在一些隐藏的关系模式，这对提供信息抽取性能很有帮助。 二、论文使用的方法和亮点 2.1 亮点 提出一个集成机器学习模型，能够学习上下文关系和关联关系模式来抽取实体之间的关系，并使用线性...原创 2018-05-29 19:08:23 · 1501 阅读 · 0 评论 -
论文笔记4：生物医学语义关系抽取研究综述
论文中需要看完学习得知识 N-gram理论 值得看得论文 Liu 2016 使用CNNs进行药物-药物相互作用关系抽取，没有大量人工定义特征 Etzioni2008 将关系抽取方法定义为三类：基于知识、有监督和无监督 Zhou2014将关系抽取分为两类：基于知识（依赖资源和预定义模式）和机器学习（基于良好定义得特征） Miwa（2009） 使用一个丰富得特征集合，抽取蛋白质相互作用关系...原创 2018-05-29 19:06:19 · 1837 阅读 · 4 评论 -
论文笔记3：Extracting Relations with Integrated Information Using Kernel Methods
该论文发表于2005年，属于早期论文 一、论文要解决的问题 从文本中的成对实体之间抽取存在的关系 二、文章使用的方法（亮点、创新点） 使用核方法，并多个核融合在一起，组合了多个不同的语法处理的特征 语法处理 词语切分（tokenization） 句子解析（sentence parsing） 深度依赖关系分析（deep dependency analysis） 处理的任务 20...原创 2018-05-29 19:05:27 · 1463 阅读 · 0 评论 -
论文笔记2：Combining Lexical, Syntactic, and Semantic Features with Maximum Entropy Models for Extracting
这篇论文发表于2004年，属于比较早期的论文，主要解决提取实体之间的语义关系问题。 一、文章要解决的问题 解决实体之间的语义关系问题，在the Automatic Content Extraction (ACE) evaluation中获得了非常好的结果。 二、文章使用的方法（亮点、创新点） 解决传统方法主要基于语法解析树，增强语法解析树（Miller et al., 2000 ）问题...原创 2018-05-29 19:04:03 · 2615 阅读 · 0 评论 -
论文笔记：Comparing CNN and LSTM character-level embeddings in BiLSTM-CRF models for chemical and disease
主要工作 主要目标是生物医学、化学和疾病命名实体识别，基于原来的CNN和LSTM模型加了字符向量。CNN训练速度更快，因为参数更少。 数据集 BioCreative VCDR corpus (Li et al., 2016). 1000篇手工标注的摘要用于训练和验证，大概9193条句子 500偏手工标注的摘要用于测试，大概4840条句子 也用到了一个预处理过的此数据集版本，提供了POS-，ch...原创 2019-07-12 11:40:59 · 621 阅读 · 0 评论