马尔科夫逻辑网络在引文匹配和中文命名实体识别中的应用研究

发布时间：2022-01-03 22:16

　　在人工智能的研究领域中,许多实际的应用问题,如知识表示、自动推理、机器学习、规划以及自然语言处理技术等,都具有不确定性和复杂的关系结构双重特征。统计概率方法能够有效的处理不确定性问题,而一阶逻辑语言却能够成功的解决许多复杂性问题。因此,人工智能需要统一概率化模型和一阶逻辑理论。马尔科夫逻辑（Markov Loigc）作为这样一种描述,满足了它的要求。马尔科夫逻辑是一种功能强大且形式简单的语言,它很好的统一了概率化模型和一阶逻辑理论。马尔科夫逻辑理论的应用领域非常广泛,包括集合分类、邻接预测、基于邻接的聚类、社会网络分析模型以及目标识别等。本文在前人成果及前期工作的基础上,重点研究了马尔科夫逻辑网络在引文匹配问题和中文命名实体识别问题中的应用。本论文的主要创新点可以归纳如下:（1）本文在应用马尔科夫逻辑理论到引文匹配问题时,发现Poon-Domingos模型不能很好的处理稀疏型和稠密型的引文记录,特别是混合型引文记录。针对这个问题,我们提出了一种可推广的联合推理模型,该模型能够有效的解决这个问题。但是,在实验时我们发现当我们的模型的参数j＞4时,系统资源就消耗殆尽了。其主要原因是在我们的... 

【文章来源】：西南大学重庆市 211工程院校 教育部直属院校

【文章页数】：121 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 引文匹配和中文命名实体识别概述
        1.1.1 引文匹配概述
        1.1.2 中文命名实体识别概述
    1.2 研究现状
    1.3 马尔可夫逻辑理论的引入
        1.3.1 马尔科夫逻辑与引文匹配的联系
        1.3.2 马尔科夫逻辑与中文命名实体识别的联系
    1.4 本文的具体工作及内容安排
        1.4.1 本文的具体工作
        1.4.2 本文的内容安排
        1.4.3 本文工作的创新点
第二章 马尔科夫逻辑理论
    2.1 马尔科夫逻辑网络理论
        2.1.1 马尔科夫网络
        2.1.2 一阶逻辑
        2.1.3 马尔科夫逻辑网络
    2.2 马尔科夫逻辑的学习和推理
        2.2.1 学习
        2.2.2 推理
        2.2.3 Alchemy系统
    2.3 统计关系学习任务
    2.4 相关工作
    2.5 未来工作
    2.6 小结
第三章 用于引文匹配的一种可推广的联合推理方法
    3.1 背景概述
        3.1.1 研究背景与意义
        3.1.2 研究方法与现状分析
    3.2 Poon-Domingos的模型
    3.3 一种可推广的联合推理模型
    3.4 实验
        3.4.1 数据集
        3.4.2 MLNs vs.RRFs
        3.4.3 评价标准
    3.5 实验结果与分析
    3.6 小结
第四章 基于多层混合模型的中文命名实体识别
    4.1 命名实体识别概述
        4.1.1 研究背景与意义
        4.1.2 国内外研究现状分析
        4.1.3 中文命名实体识别的难点
        4.1.4 中文命名实体的特点
    4.2 多层混合模型
        4.2.1 底层-Boosting
        4.2.2 中层-马尔科夫逻辑网络
        4.2.3 高层-频繁信息识别
    4.3 实验设计及实现
        4.3.1 实验设计
        4.3.2 实验平台
        4.3.3 测试与评价标准
    4.4 实验结果及分析
    4.5 小结
第五章 总结与展望
    5.1 全文工作总结
    5.2 未来工作展望
参考文献
附录
致谢
攻读研究生期间主要的研究成果



本文编号：3567074