数据语义抽取 栏目所有文章列表

    (按年度、期号倒序)
        一年内发表的文章 |  两年内 |  三年内 |  全部
    Please wait a minute...
    选择: 显示/隐藏图片
    网络顶点表示学习方法
    周晓旭, 刘迎风, 付英男, 朱仁煜, 高明
    华东师范大学学报(自然科学版)    2020, 2020 (5): 83-94.   DOI: 10.3969/j.issn.1000-5641.202091007
    摘要309)   HTML31)    PDF (1220KB)(144)   
    网络是一种常用的数据结构, 在社交、通信和生物等领域广泛存在, 如何对网络顶点进行表示是学术界和工业界广泛关注的难点问题之一. 网络顶点表示学习旨在将顶点映射到一个低维的向量空间, 并且能够保留网络中顶点间的拓扑结构. 本文在分析网络顶点表示学习的动机与挑战的基础上, 对目前网络顶点表示学习的主流方法进行了详细分析与比较, 主要包括基于矩阵分解、基于随机游走和基于深度学习的方法, 最后介绍了衡量网络顶点表示性能的方法.
    参考文献 | 相关文章 | 多维度评价
    语义文本相似度计算方法
    韩程程, 李磊, 刘婷婷, 高明
    华东师范大学学报(自然科学版)    2020, 2020 (5): 95-112.   DOI: 10.3969/j.issn.1000-5641.202091011
    摘要589)   HTML52)    PDF (855KB)(429)   
    综述了语义文本相似度计算的最新研究进展, 主要包括基于字符串、基于统计、基于知识库和基于深度学习的方法. 针对每一类方法, 不仅介绍了其中典型的模型和方法, 而且深入探讨了各类方法的优缺点; 并对该领域的常用公开数据集和评估指标进行了整理, 最后讨论并总结了该领域未来可能的研究方向.
    参考文献 | 相关文章 | 多维度评价
    基于远程监督的关系抽取技术
    王嘉宁, 何怡, 朱仁煜, 刘婷婷, 高明
    华东师范大学学报(自然科学版)    2020, 2020 (5): 113-130.   DOI: 10.3969/j.issn.1000-5641.202091006
    摘要898)   HTML53)    PDF (902KB)(545)   
    关系抽取作为一种经典的自然语言处理任务, 广泛应用于知识图谱的构建与补全、知识库问答和文本摘要等领域, 旨在抽取目标实体对之间的语义关系. 为了能够高效地构建大规模监督语料, 基于远程监督的关系抽取方法被提出, 通过将文本与现有知识库进行对齐来实现自动标注. 然而由于过强的假设使得其面临诸多挑战, 从而吸引了研究者们的关注. 本文首先介绍远程监督关系抽取的概念和形式化描述, 其次从噪声、信息匮乏以及非均衡3个方面对比分析相关方法及其优缺点, 接着对评估数据集以及评测指标进行了解释和对比分析, 最后探讨了远程监督关系抽取面对的新的挑战以及未来发展趋势, 并在最后做出总结.
    参考文献 | 相关文章 | 多维度评价