基于特征增强的中文STEM课程知识的关系抽取

发布时间：2021-06-09 20:15

　　传统的基于特征的实体关系抽取多基于SVM分类,并且以实体特征与实体所在句子特征来描述实体关系,抽取效果已经难以提高。针对以上研究面向中文STEM领域,基于特征增强实现知识点之间关系的抽取。基于不同关系模式的统计结果,根据知识点与核心谓语、知识点与语义角色之间的距离提取位置特征;并使用中学学科教材内容来训练word2vec模型,通过计算知识点对之间的相似度获得基于词向量的特征,得到更深层的语义信息。使用提取的特征训练支持向量机（SVM）与K-近邻（KNN）作为分类器算法来预测知识点之间的关系。实验数据选取了新课标高中化学与物理教材内容。与传统特征与方法相比,提取的特征与方法可有效提高关系抽取的F度量。最后,采用提出的关系抽取方法构建了中学多学科知识图谱。 

【文章来源】：计算机应用研究. 2020,37(S1)北大核心CSCD

【文章页数】：3 页

【参考文献】：
期刊论文
[1]实体关系抽取的技术方法综述[J]. 徐健,张智雄,吴振新.  现代图书情报技术. 2008(08)
[2]基于核函数中文关系自动抽取系统的实现[J]. 刘克彬,李芳,刘磊,韩颖.  计算机研究与发展. 2007(08)

博士论文
[1]面向开放领域文本的实体关系抽取[D]. 郭喜跃.华中师范大学 2016



本文编号：3221244