http://hlt.suda.edu.cn/index.php?action=history&feed=atom&title=%E8%AE%BA%E6%96%87%E7%90%86%E8%A7%A38 2026-09-21T03:47:34Z 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%A38&diff=2778&oldid=prev 2020-10-26T08:27:53Z

<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">《开放域命名实体识别及其层次化类别获取》 博士论文  付瑞吉  2014.7  哈工大</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. 第四章 基于多信息源的开放域命名实体类别获取</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">** 1) 本章提出了一种为汉语开放式实体获取类别的方法。首先从网页搜索（百度）、在线百科（百度百科和互动百科）、实体核心词三大来源获取实体类别候选（也就是上位词），然后使用传统模型对候选词排序，（人工构造了一些排序特征：类别先验概率、在搜索结果标题中出现的情况、同义词、偏旁部首等），得到排序的类别列表。</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) 语料：</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">*** 训练集自动构建：从百度百科抽取实体，然后从多信息源获取类别候选，再根据规则（类别来源越多越可能正确、类别先验概率越高越可能正确等）进行排序，首位的为正例，末位的为负例，得到训练集。</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">*** 测试集人工构建：从多领域选取实体词，从多信息源获取类别候选并人工判断。</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. 第五章 基于词汇分布表示的开放域命名实体类别层次化</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">** 1) 本章提出了一个基于词汇分布表示的命名实体类别层次化的新方法。主要做法是基于聚类的分段映射的方法（线性矩阵）来进行上下位关系分类。</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) 语料：</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">*** 训练集：通过同义词林抽取上下位关系词对，分为两类：直接上下位和间接上下位，并在后面的实验中分别对其聚类。</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">*** 测试集人工构建：先随机抽取了418个命名实体，基于第四章的方法获取上下位词列表，两两配对得到关系候选集（当然里面有很多非上下位关系），人工标注得到测试集。</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) 其他：《大词林》是基于同义词林的骨架，用第四、五章的方法，不断将这些命名实体分类标识，添加到《大词林》中。</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%A38&diff=1611&oldid=prev 2019-10-25T08:58:06Z

<p>创建页面，内容为“《开放域命名实体识别及其层次化类别获取》 博士论文 付瑞吉 2014.7 哈工大 * 1. 第四章 基于多信息源的开放域命名实体类...”</p> <p><b>新页面</b></p><div>《开放域命名实体识别及其层次化类别获取》 博士论文 付瑞吉 2014.7 哈工大<br /> * 1. 第四章 基于多信息源的开放域命名实体类别获取<br /> ** 1) 本章提出了一种为汉语开放式实体获取类别的方法。首先从网页搜索（百度）、在线百科（百度百科和互动百科）、实体核心词三大来源获取实体类别候选（也就是上位词），然后使用传统模型对候选词排序，（人工构造了一些排序特征：类别先验概率、在搜索结果标题中出现的情况、同义词、偏旁部首等），得到排序的类别列表。<br /> ** 2) 语料：<br /> *** 训练集自动构建：从百度百科抽取实体，然后从多信息源获取类别候选，再根据规则（类别来源越多越可能正确、类别先验概率越高越可能正确等）进行排序，首位的为正例，末位的为负例，得到训练集。<br /> *** 测试集人工构建：从多领域选取实体词，从多信息源获取类别候选并人工判断。<br /> * 2. 第五章 基于词汇分布表示的开放域命名实体类别层次化<br /> ** 1) 本章提出了一个基于词汇分布表示的命名实体类别层次化的新方法。主要做法是基于聚类的分段映射的方法（线性矩阵）来进行上下位关系分类。<br /> ** 2) 语料：<br /> *** 训练集：通过同义词林抽取上下位关系词对，分为两类：直接上下位和间接上下位，并在后面的实验中分别对其聚类。<br /> *** 测试集人工构建：先随机抽取了418个命名实体，基于第四章的方法获取上下位词列表，两两配对得到关系候选集（当然里面有很多非上下位关系），人工标注得到测试集。<br /> ** 3) 其他：《大词林》是基于同义词林的骨架，用第四、五章的方法，不断将这些命名实体分类标识，添加到《大词林》中。</div>

LA-share