http://hlt.suda.edu.cn/index.php?action=history&feed=atom&title=%E8%AE%BA%E6%96%87%E7%90%86%E8%A7%A37 2026-09-21T03:47:33Z 本wiki的该页面的版本历史 MediaWiki 1.35.2 http://hlt.suda.edu.cn/index.php?title=%E8%AE%BA%E6%96%87%E7%90%86%E8%A7%A37&diff=2777&oldid=prev 2020-10-26T08:27:41Z

<p>清空页面</p> <table class="diff diff-contentalign-left diff-editfont-monospace" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="zh-Hans-CN"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">←上一版本</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">2020年10月26日 (一) 08:27的版本</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l1" >第1行：</td> <td colspan="2" class="diff-lineno">第1行：</td></tr> <tr><td class='diff-marker'>−</td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div><del class="diffchange diffchange-inline">《一种基于语义的上下位关系抽取方法》 计算机应用于软件  陈金栋、肖仰华  2019.2  复旦</del></div></td><td class='diff-marker'>+</td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div> </div></td></tr> <tr><td class='diff-marker'>−</td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div><del class="diffchange diffchange-inline">* 1. 文章根据句法模板（其实是分词+词性，并不是真正意义上用到了依存句法）的准确度，分为强句法模板和弱句法模板，将弱句法模板结合下位实体/概念词或上位概念词（相当于进行单向抽取上位词或下位词而不是上下位同时抽取）得到语义模板，设置阈值划分强句法模板和语义模板（由弱句法模板转化而来）。</del></div></td><td colspan="2"> </td></tr> <tr><td class='diff-marker'>−</td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div><del class="diffchange diffchange-inline">* 2. 抽取分为两步：第一步用多种强句法模板抽取上下位词对，第二步利用BootStrapping的方法迭代生成语义模板和上下位词对。同时还做了不同语言设置不同阈值得到较好结果的实验，验证了方法的通用性。</del></div></td><td colspan="2"> </td></tr> <tr><td class='diff-marker'>−</td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div><del class="diffchange diffchange-inline">* 3. trick：在通过模板抽取上下位词对的时候，结合了依存句法的特征。抽取时把模式分为两类，一类是“是一个”这种含有动词的模式，这里采用依存句法的模板去抽取；另一类是“等”这种词对间距离近，不含动词的这类模式，采用句法模板（其实就是我们所说的词法模板）。这个做法也与我们分析的模板性能吻合。</del></div></td><td colspan="2"> </td></tr> <tr><td class='diff-marker'>−</td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div><del class="diffchange diffchange-inline">* 4. 语料：从维基百科约700w中文句子中获取32w上下位关系词对。</del></div></td><td colspan="2"> </td></tr> <tr><td class='diff-marker'>−</td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div><del class="diffchange diffchange-inline">* 5. 评价：按不同领域，每个领域随机抽取50个下位词进行人工评估，计算准确率。</del></div></td><td colspan="2"> </td></tr> <tr><td class='diff-marker'>−</td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div><del class="diffchange diffchange-inline">* 6. 问题：对于句法模板准确率的计算，是通过每个模板抽取得到的300组上下位关系评估得到的，但是这里的准确率远高于我们的实验结果。</del></div></td><td colspan="2"> </td></tr> </table>

LA-share http://hlt.suda.edu.cn/index.php?title=%E8%AE%BA%E6%96%87%E7%90%86%E8%A7%A37&diff=1609&oldid=prev 2019-10-25T08:02:22Z

<p></p> <table class="diff diff-contentalign-left diff-editfont-monospace" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="zh-Hans-CN"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">←上一版本</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">2019年10月25日 (五) 08:02的版本</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l1" >第1行：</td> <td colspan="2" class="diff-lineno">第1行：</td></tr> <tr><td class='diff-marker'> </td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>《一种基于语义的上下位关系抽取方法》 计算机应用于软件  陈金栋、肖仰华  2019.2  复旦</div></td><td class='diff-marker'> </td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>《一种基于语义的上下位关系抽取方法》 计算机应用于软件  陈金栋、肖仰华  2019.2  复旦</div></td></tr> <tr><td class='diff-marker'> </td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>* 1. 文章根据句法模板（其实是分词+词性，并不是真正意义上用到了依存句法）的准确度，分为强句法模板和弱句法模板，将弱句法模板结合下位实体/概念词或上位概念词（相当于进行单向抽取上位词或下位词而不是上下位同时抽取）得到语义模板，设置阈值划分强句法模板和语义模板（由弱句法模板转化而来）。</div></td><td class='diff-marker'> </td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>* 1. 文章根据句法模板（其实是分词+词性，并不是真正意义上用到了依存句法）的准确度，分为强句法模板和弱句法模板，将弱句法模板结合下位实体/概念词或上位概念词（相当于进行单向抽取上位词或下位词而不是上下位同时抽取）得到语义模板，设置阈值划分强句法模板和语义模板（由弱句法模板转化而来）。</div></td></tr> <tr><td class='diff-marker'>−</td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>* 2.<del class="diffchange diffchange-inline">抽取分为两步：</del></div></td><td class='diff-marker'>+</td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>* 2. <ins class="diffchange diffchange-inline">抽取分为两步：第一步用多种强句法模板抽取上下位词对，第二步利用BootStrapping的方法迭代生成语义模板和上下位词对。同时还做了不同语言设置不同阈值得到较好结果的实验，验证了方法的通用性。</ins></div></td></tr> <tr><td colspan="2"> </td><td class='diff-marker'>+</td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div><ins class="diffchange diffchange-inline">* 3. trick：在通过模板抽取上下位词对的时候，结合了依存句法的特征。抽取时把模式分为两类，一类是“是一个”这种含有动词的模式，这里采用依存句法的模板去抽取；另一类是“等”这种词对间距离近，不含动词的这类模式，采用句法模板（其实就是我们所说的词法模板）。这个做法也与我们分析的模板性能吻合。</ins></div></td></tr> <tr><td colspan="2"> </td><td class='diff-marker'>+</td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div><ins class="diffchange diffchange-inline">* 4. 语料：从维基百科约700w中文句子中获取32w上下位关系词对。</ins></div></td></tr> <tr><td colspan="2"> </td><td class='diff-marker'>+</td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div><ins class="diffchange diffchange-inline">* 5. 评价：按不同领域，每个领域随机抽取50个下位词进行人工评估，计算准确率。</ins></div></td></tr> <tr><td colspan="2"> </td><td class='diff-marker'>+</td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div><ins class="diffchange diffchange-inline">* 6. 问题：对于句法模板准确率的计算，是通过每个模板抽取得到的300组上下位关系评估得到的，但是这里的准确率远高于我们的实验结果。</ins></div></td></tr> </table>

LA-share http://hlt.suda.edu.cn/index.php?title=%E8%AE%BA%E6%96%87%E7%90%86%E8%A7%A37&diff=1608&oldid=prev 2019-10-25T06:53:48Z

<p>创建页面，内容为“《一种基于语义的上下位关系抽取方法》 计算机应用于软件 陈金栋、肖仰华 2019.2 复旦 * 1. 文章根据句法模板（其实是分...”</p> <p><b>新页面</b></p><div>《一种基于语义的上下位关系抽取方法》 计算机应用于软件 陈金栋、肖仰华 2019.2 复旦<br /> * 1. 文章根据句法模板（其实是分词+词性，并不是真正意义上用到了依存句法）的准确度，分为强句法模板和弱句法模板，将弱句法模板结合下位实体/概念词或上位概念词（相当于进行单向抽取上位词或下位词而不是上下位同时抽取）得到语义模板，设置阈值划分强句法模板和语义模板（由弱句法模板转化而来）。<br /> * 2.抽取分为两步：</div>

LA-share