面向中文专利SAO结构抽取的文本特征比较研究

北京大学学报（自然科学版）

面向中文专利SAO结构抽取的文本特征比较研究

饶齐,王裴岩,张桂平

沈阳航空航天大学知识工程研究中心, 沈阳 110136;

收稿日期:2014-07-27 出版日期:2015-03-20 发布日期:2015-03-20

Text Feature Analysis on SAO Structure Extraction from Chinese Patent Literatures

RAO Qi, WANG Peiyan, ZHANG Guiping

Knowledge Engineering Research Center, Shenyang Aerospace University, Shenyang 110136;

Received:2014-07-27 Online:2015-03-20 Published:2015-03-20

摘要/Abstract

摘要： 针对中文专利文本中SAO结构实体关系抽取问题, 使用支持向量机的机器学习方法进行关系抽取实验, 分别对基本词法信息、实体间距离信息、最短路径闭包树句法信息以及词向量信息等特征的有效性进行验证分析。实验结果表明, 基本的词法信息能够明显提高关系抽取性能, 而句法信息没有显著提高关系抽取效果。此外, 也验证了词向量在SAO结构关系抽取中的可行性。

关键词: SAO结构, 关系抽取, 特征有效性, 词向量

Abstract: In order to resolve the problem of SAO-based relation extraction from Chinese patent literatures, a series of experiments were implemented by using Support Vector Machines. It focused on the analysis of the validity of basic lexical information, syntactic information such as the shortest path enclosed tree, and distance features used in related works. The results show that simple lexical features can contribute to a good performance, while syntactic features cannot bring a remarkable improvement. Moreover, the feasibility of a new representation of words, word embeddings, is validated on SAO-based relation extraction.

Key words: SAO structure, relation extraction, effectiveness of features, word distributed representation

中图分类号:

TP391

饶齐,王裴岩,张桂平. 面向中文专利SAO结构抽取的文本特征比较研究[J]. 北京大学学报（自然科学版）.

RAO Qi,WANG Peiyan,ZHANG Guiping. Text Feature Analysis on SAO Structure Extraction from Chinese Patent Literatures[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/

https://xbna.pku.edu.cn/CN/Y2015/V51/I2/349

[1]	段建勇, 戴诗伟, 王昊, 何丽, 李欣. 知识驱动的事件双曲嵌入时序关系抽取方法研究[J]. 北京大学学报自然科学版, 2023, 59(1): 76-82.
[2]	赵丹丹, 张俊朋, 孟佳娜, 张志浩, 苏文. 基于预训练模型和混合神经网络的医疗实体关系抽取[J]. 北京大学学报自然科学版, 2023, 59(1): 65-75.
[3]	徐洋, 蒋玉茹, 张禹尧, 何威恺. 融合角色指代的多方对话关系抽取方法研究[J]. 北京大学学报自然科学版, 2022, 58(1): 13-20.
[4]	李兴亚, 陈钰枫, 徐金安, 张玉洁. 融合门控机制的远程监督关系抽取方法[J]. 北京大学学报自然科学版, 2020, 56(1): 39-44.
[5]	陈洋, 罗智勇. 一种基于Hownet的词向量表示方法[J]. 北京大学学报自然科学版, 2019, 55(1): 22-28.
[6]	许浩亮, 李雁群, 何云琪, 钱龙华. 中文嵌套命名实体关系抽取研究[J]. 北京大学学报自然科学版, 2019, 55(1): 8-14.
[7]	杨安, 李素建, 李芸. 基于领域知识和词向量的词义消歧方法[J]. 北京大学学报自然科学版, 2017, 53(2): 204-210.
[8]	宋文杰,顾彦慧,周俊生,孙玉杰,严杰,曲维光. 多策略同义词获取方法研究[J]. 北京大学学报（自然科学版）, 2015, 51(2): 301-306.