基于迁移学习的地理领域概念关系抽取

摘要：

在地理等特有领域概念关系抽取过程中,由于其有限的样本标注资源,难以应用深度学习等大规模知识图谱构建技术.迁移学习方法能够利用开放域文本语料资源,帮助解决目标领域训练数据较少的问题.本文针对地理领域文本的时序性特征,利用长短期记忆(LongShort-Term Memory,LSTM)神经网络,构建了基于词特征和句子特征的概念关系抽取模型,针对地理概念关系语料缺乏的问题,提出了基于LSTM的迁移学习方法,将开放领域的知识迁移到地理领域,通过权重迁移和重训练调整,显著提升了地理领域概念关系抽取的准确度.

关键词： 地理领域 概念关系抽取 迁移学习

作者: 熊盛武 陈振东 段鹏飞 王娜

作者单位: 武汉理工大学 计算机科学与技术学院,武汉 430070;交通物联网湖北省重点实验室,武汉 430070 武汉理工大学 计算机科学与技术学院,武汉 430070

会议类型: 国内会议

会议名称: 第十六届全国计算语言学学术会议暨第五届基于自然标注大数据的自然语言处理国际学术研讨会

会议地点: 南京

会议语种:中文

页码: 1-9

在线出版日期: 2017-10-13（万方平台首次上网日期，不代表论文的发表时间）