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(lèi)：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(duì)汽車(chē)、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(duì)于該行業(yè)質(zhì)量知識(shí)圖譜、質(zhì)量問(wèn)答系統(tǒng)等研究有著極為重要的意義。針對(duì)在工業(yè)制造領(lǐng)域的質(zhì)量知識(shí)圖譜構(gòu)建過(guò)程中尚無(wú)公開(kāi)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(zhuān)業(yè)標(biāo)注，構(gòu)建了工業(yè)制造領(lǐng)域質(zhì)量知識(shí)圖譜關(guān)系抽取專(zhuān)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(yǔ)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(duì)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(duì)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(huì)員，AET專(zhuān)家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。