《基於深度神經網路的實體關係抽取關鍵技術研究》是依託長沙理工大學，由曾道建擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於深度神經網路的實體關係抽取關鍵技術研究
- 項目類別：青年科學基金項目
- 項目負責人：曾道建
- 依託單位：長沙理工大學
項目摘要,結題摘要,
項目摘要
作為自動構建大規模知識庫的一項核心技術，實體關係抽取對人工智慧的發展有著重要的意義。深度神經網路的快速發展為實體關係抽取帶來了新的思路，本申請課題針對傳統實體關係抽取方法存在的缺點，以構建大規模的、快速更新的知識庫為目標，以非結構化文本為抽取對象，研究基於深度神經網路的實體關係抽取中的關鍵技術，具體研究內容包括：1）針對傳統特徵魯棒性較差，研究使用深度神經網路進行實體關係抽取方法，通過深度神經網路自動學習更具魯棒性的特徵，儘可能少地依賴現有的自然語言處理工具；2）針對弱監督實體關係抽取方法存在數據回標噪聲，研究怎樣在基於深度神經網路的實體關係抽取框架下解決此問題；3）針對深度神經網路對於專家知識的自動學習能力有限，研究怎樣進行多源信息融合以提升實體關係抽取的效果。本申請課題的研究成果將為自然語言理解、網際網路信息深度計算等提供參考。
結題摘要
作為自動構建大規模知識庫的一項核心技術，實體關係抽取對人工智慧的發展有著重要的意義。深度神經網路的快速發展為實體關係抽取帶來了新的思路，本項目針對傳統實體關係抽取方法存在的缺點，以構建大規模的、快速更新的知識庫為目標，以非結構化文本為抽取對象，研究基於深度神經網路的實體關係抽取中的關鍵技術，具體研究內容包括：1）針對傳統特徵魯棒性較差，研究使用深度神經網路進行實體關係抽取方法，通過深度神經網路自動學習更具魯棒性的特徵，儘可能少地依賴現有的自然語言處理工具。2）針對弱監督實體關係抽取方法存在數據回標噪聲，研究怎樣在基於深度神經網路的實體關係抽取框架下解決此問題。3）針對深度神經網路對於專家知識的自動學習能力有限，研究怎樣進行多源信息融合以提升實體關係抽取的效果。在資助期間，這三點研究計畫均取得一定成果，通過對這三點的研究，實體關係抽取性能有了較大的提升。具體地，課題組提出基於代價敏感和排序損失的弱監督實體關係抽取方法，使用代價敏感來解決弱監督實體關係抽取存在的數據不均衡問題。提出了使用生成對抗網路提升弱監督實體關係抽取的性能，自動生成高質量的負樣本。探討實體關係聯合抽取方法，並進行了初步嘗試，取得了較好的效果。本課題解決了從非結構化文本中進行實體關係學習、大規模複雜網路知識的深度挖掘和多源異構知識融合的問題。整體來看，通過三年的努力，已完成項目目標。
