基于词向量和深度卷积神经网络的领域实体关系抽取

《基于词向量和深度卷积神经网络的领域实体关系抽取》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级ＵＤＣ昆明理工大学专业硕±学位论文基于词向量和深麼卷积神经网络的领域嚷体关系抽取研究生姓違巫塞苏磊副教挖：指导教师延名、职称工程学科专业控制研究方向自然语言处理论文王作？起止日期２０１４年１２月２０１６年３月论文提交日期２０１６年５月一遵守学术行为规范承诺本人已熟知并愿意自觉遵守《昆明理工大学研究生学术规范实施细则（试行）》的所有内容，承诺所提交的毕业和学位论文是终稿，不存在学术一不端行为，且论文的纸质版与电子版内容完全致。二独创性声明本人声明所提交的论文是

2、我个人在导师指导下进行的研巧工作及取得，的研究成果。尽我所知，除了文中特别加Ｗ标注和致谢的地方外论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得福州大学或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。本人完全意识到本声明的法律结果由本人承担。Ｈ关于论文使用授权的说明本人完全了解昆明理工大学有关保留使用学位论文的规定；，即学校有权保留送交论文的复印件，允许论文被査阅和借阅；学校可Ｗ公布论文的全、部或部分内容，可Ｗ采用影印缩印或其他复制手段保存论文。（

3、保密的论文在解密后应遵守此规定）＂＂＂Ｖ一非保密论本学位论文属于（必须在Ｗ下相应方框内打，否则律按＂文处理）：１、保密论文；□本学位论文属于保密，在年解密后适用本授权书。２、非保密论文：□本学位论文属于内部论文，延后年适用本授权书。＾Ｄ本学位论文不属于保密范围，适用本授权书。＂＂＂Ｖ一是否同念授权Ｗ下单位（必须在Ｗ下相应方框内打，否则律按同＂患授权处理）：？＾〇１＾意授权□不同意授权将本人学位论文著作权中的数字化复制权、发行权、汇编权和信息网络传播（）权的专有使用权在全世界范围内授予中国学术期刊光盘版电子杂志社，并在

4、《中国优秀博硕±学位论文全文数据库》和ＣＮＫＩ系列数据库中出版。研巧生本人签名；签字日期；２０／《年５月２日新於＾：签字日期：年５月日研究生导师签名＿摘要摘要随着互联网技术的飞速发展，文档万维网已经转变成为语义网，使得表示语。义网的知识图谱构建成为研究热点尤其对于特定的领域，知识图谱是实现个性化服务的基础，因此，自动或半自动构建特定领域的知识图谱成为了进来研究的重点一。本文针对特定领域的领域知识图谱构建中的关系抽取任务主要做了下，几个方面的研究工作。１．。领域实体层级关系抽取和组织领域实体层级关系是知识图谱的骨架，

5、实体的层级关系决定着知识图谱的深度一。本文提出种基于词向量的半监督的方法进行领域实体层级关系的自动抽取和组织。首先，采用基于词向量的相似度计算方法进行模式聚类，筛选出置信度高的模式对未标注语料进行上下位关系识别ｔｓｔｒａｉｎ，根据领域；然后采用Ｂｏｏｐｐｇ的方法进行迭代的关系实例抽取；最后实体上下位关系对的向量偏移并结合领域实体层级关系的特点，采用映射的学习方法进行领域实体层级关系组织。２．领域实体属性关系抽取。领域实体间的语义关系是领域知识图谱的重要组成部分，实体间的语义关系决定着知识图谱的广度。对于特定领域来说，实体的属性关系是实体

6、语义关系的重要组成部分一。本文提出种基于深度卷积神经网络的领域实体语义关系抽取方法。采用深度卷积神经网络自动学习表征领域实体属性关系的词汇特征、上下文特征认及实体所在的句子文本特征，构成特征向量，训练实体语义关系分类模型。一３．领域知识图形化展示。领域知识是个包括领域概念／实体Ｗ及它们之间一关系的复杂网络，是个很复杂的模型，传统的关系数据库很难表述这些复杂关系一ｅｏ４。本文提出种基于图数据库Ｎｊ的领域知识图形化展示方法，将领域实体间的关系用图数据进行表示，实现领域知识的可视化。关键词：关系抽取；词向量；深度卷积神经网络；知识图谱；图形数

7、据库Ｉ摘要ＡｂｓｔｒａｃｔＷｉｔｈｔｉｍｅｎｔｏｆｉｌ化ｉｈａｓｄｔｌｅｒａｉｄｄｅｖｅｌｏｎｔｅｒｎ巧ｔ；ｅｃｈｎｏｏｅｎ１：ｅｍｅｔｔｒａｎｓｆｏｒｍｅｐｐｇｙ，ｔｈｅｗｅｂｏｆｄｏｃｕｍｅｎｔｓｉｎｔｏｓｅｍａｎｔｉｃｗｅｂ，ｗｈｉｃｈｍａｋｅｓ化ｅｋｎｏｗｌｅｄｇｅｇｒａｐｈｃｏｎｓｔｒｕｃｔｉｏｎｂｅｃｏｍｅａｈｏｔｒｅｓｅａｒｃｈｌ：ｏｐｉｃ．Ｅｓｐｅｃｉａｌｌｙｆｏｒｔｈｅｓｐｅｃｉｆｉｃｄｏｍａｉｎ，ｋｎｏｗｌｅｄｅｒａｈｉｓ化ｅｆｏｉｍｄ