【摘 要】
：
训练语料库的规模对基于机器学习的命名实体间语义关系抽取具有重要的作用,而语料库的人工标注需要花费大量的时间和人力。该文提出了使用机器翻译的方法将源语言的关系实例
【机 构】
：
苏州大学自然语言处理实验室,苏州大学计算机科学与技术学院
【基金项目】
：
国家自然科学基金资助项目（60873150,90920004）,江苏省自然科学基金资助项目（BK2010219）,江苏省高校自然科学重大项目（11KJA520003）
论文部分内容阅读
训练语料库的规模对基于机器学习的命名实体间语义关系抽取具有重要的作用,而语料库的人工标注需要花费大量的时间和人力。该文提出了使用机器翻译的方法将源语言的关系实例转换成目标语言的关系实例,并通过实体对齐策略将它们加入到目标语言的训练集中,从而使资源丰富的源语言帮助欠资源的目标语言进行语义关系抽取。在ACE2005中英文语料库上的关系抽取实验表明,无论是将中文翻译成英文,还是将英文翻译成中文,都对另一种语言的关系抽取具有帮助作用。特别是当目标语言的训练语料库规模较小时,这种帮助就尤其显著。
其他文献
引入基于水合物颗粒聚集动力学的群体平衡模型，建立了三维几何模型，利用Fluent软件对群体平衡模型和相关固液两相流模型进行联合求解，模拟了流速、水合物颗粒粒径及体积分数对管
以丙烯酰胺(AM)、2-丙烯酰胺-2-甲基丙磺酸(AMPS)、甲基丙烯酰氧乙基二甲基十二烷基溴化铵(AQ12)和乙烯基三乙氧基硅烷(VTEO)为原料,采用水溶液自由基聚合法合成了ASQV系列四
该文引入框架知识思想,对框架知识的构成过程进行了举例分析,并根据框架知识的构成、结构描述、内部组织、内部表示等,研究了藏文字框架知识表示的若干问题,构建了藏文字框架