基于PCNN的工業(yè)制造領(lǐng)域質(zhì)量文本實(shí)體關(guān)系抽取方法
所屬分類:技術(shù)論文
上傳者:zhoubin333
文檔大?。?span>250 K
標(biāo)簽: 制造行業(yè) 質(zhì)量文本 關(guān)系抽取
所需積分:0分積分不夠怎么辦?
文檔介紹: 對汽車、機(jī)械等工業(yè)制造行業(yè)的質(zhì)量報(bào)告進(jìn)行關(guān)系抽取,對于該行業(yè)質(zhì)量知識圖譜、質(zhì)量問答系統(tǒng)等研究有著極為重要的意義。針對在工業(yè)制造領(lǐng)域的質(zhì)量知識圖譜構(gòu)建過程中尚無公開數(shù)據(jù)集可用的情況,收集了質(zhì)量文本并進(jìn)行相應(yīng)的專業(yè)標(biāo)注,構(gòu)建了工業(yè)制造領(lǐng)域質(zhì)量知識圖譜關(guān)系抽取專業(yè)數(shù)據(jù)集?;谠摂?shù)據(jù)集利用分段卷積神經(jīng)網(wǎng)絡(luò)(Piecewise Convolutional Neural Network,PCNN)實(shí)現(xiàn)關(guān)系抽取,然后根據(jù)中文特性,提出了改進(jìn)的PCNN模型(C-PCNN),以提升在中文語料中關(guān)系抽取的性能。在本文構(gòu)建的數(shù)據(jù)集中,改進(jìn)后模型的準(zhǔn)確率、召回率以及F1值優(yōu)于對比的PCNN和RNN模型,驗(yàn)證了該方法的可行性和有效性。該研究對從事制造行業(yè)的人員有一定的實(shí)際意義。
現(xiàn)在下載
VIP會員,AET專家下載不扣分;重復(fù)下載不扣分,本人上傳資源不扣分。