注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于话题要素相似度计算的报道关系识别方法

  2. 本文针对现有的向量空间模型在表示同主题话题报道的不足，提出了一种基于话题要素的报道表示模型和相似 度计算方法。对于每一类话题要素，分别提出相应的相似度计 算方法，进而得到报道相似度计算方法。最后通过话题跟踪的 实验对基于话题要素的报道关系识别模型进行检验。实验表 明，基于话题要素的报道表示模型在处理同主题的报道关系识 别上是有效的。由于报道中可能涉及与核心事件不相关的信 息，如英国伦敦爆炸案中出现“美国总统布什”、“早在1982年” 等信息，这样在抽取时间、地点、人物等特征时会引入噪声，从而

  3. 所属分类：其它

    • 发布日期：2013-03-13
    • 文件大小：343kb
    • 提供者：qqhyml

  1. 基于单文本指代消解的人物家庭网络构建研究

  2. 人物家庭网络是社会关系网络中的一个重要组成部分，因此，如何高效准确地提取出人物的家庭网络具有 重要研究意义。该文在前人工作的基础上提出一种基于单文本指代消解技术的人物家庭关系抽取方法，以此扩大 人物家庭关系抽取的范围，进而提高人物家庭网络的召回性能。该文还提出了一种基于人物虚拟边的家庭网络评 估指标，用于更合理地评价构建出的人物家庭网络的性能。在大规模中文语料 Ｇｉｇａｗｏｒｄ上的实验表明，该方法可 以较为准确地抽取出人物的家庭关系，进而提高人物家庭网络的召回性能，从而为社会网络分析提供基础数

  3. 所属分类：机器学习

    • 发布日期：2018-07-03
    • 文件大小：474kb
    • 提供者：qq_36182996

  1. 人物关系可视化图谱

  2. 利用python对电影《釜山行》剧本分词处理，识别人物实体及人物关系，再用图数据软件genphi建立电影人物关系的知识图谱。文件中包含电影剧本、python处理的脚本文件、抽取出的电影人物及关系csv文件。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-07-25
    • 文件大小：20kb
    • 提供者：baijinswpu

  1. 人物关系抽取

  2. 以釜山行里面的人物关系为实例，为大家介绍一下人物关系抽取怎么做。里面包含代码和数据，亲测可用！

  3. 所属分类：深度学习

    • 发布日期：2018-09-01
    • 文件大小：19kb
    • 提供者：yimixgg

  1. 基于信息增益的Web人物关系抽取

  2. 针对人物关系抽取中的效率与准确性问题进行了研究，提出一种基于信息增益的轻量级 .Web人物社会关系提取方法。它通过计算初始关系元组的关系描述词的信息增益值进而确定元组上下文位置并据此创建相应的关系抽取模板，最后利用模板实现了Web 的人物关系自动提取。针对中文语义上存在相似性的问题，引入了基于《同义词词林》与基于知网的人物关系描述词扩展方法。对于某一句子内包含多个人物实体且存在多种人物关系的情况，提出了一种基于模板上下文信息增益值模糊匹配的方法来抽取符合特定人物关系的人物实体.。实验结果证明该方

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：973kb
    • 提供者：weixin_38669618

  1. 基于动词名词和CHI特征选择的中文人物社会关系抽取

  2. 针对中文人物社会关系标注语料库的匮乏和人物关系分类过于粗糙的问题，采用一种简单的方式标注了八类主要人物社会关系。为了有效地降低特征向量的维数避免维数灾难，并尽可能去除噪声特征以提高关系抽取的准确率，提出一种基于动词和名词抽取与χ2统计量法( CHI) 相结合的特征选择方法，并使用TF-IDF计算特征权重。通过SVM 分类器进行实验，F值和正确率都得到了提高; 为了充分利用数据集对该特征选择方法的效果进行测试，使用k-折交叉验证检验该方法的有效性，实验表明通过该方法产生的分类模型具有较强的区分能力

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：808kb
    • 提供者：weixin_38657353

  1. 基于远程监督的多因子人物关系抽取模型

  2. 针对远程监督的基本假设过强容易引入噪声数据的问题，提出了一种可以对远程监督自动生成的训练数据去噪的人物实体关系抽取模型。在训练数据生成阶段，通过多示例学习的思想和基于 TF-IDF 的关系指示词发现的方法对远程监督产生的数据进行去噪处理，使训练数据达到人工标注质量。在模型分类器中，提出采用词法特征和句法特征相结合的多因子特征作为关系特征向量用于分类器的学习。在大规模真实数据集上的实验结果表明，所提模型结果优于同类型的关系抽取方法。

  3. 所属分类：其它