基于树核函数的人物关系抽取研究内容摘要：
NN PN P N PN PN PN R N N智 利 总 统巴 特 列N PN PE 1N R拉 戈 斯N PE 2N RN P N PN PN PN R N N智 利 总 统( a )( b )V PN PI PE 1N N学 生T 1 : T 2 : ( c )P PP给N PE 2N N姑 妈V PN PI PE 1N N学 生P PP给N PE 2N N姑 妈V PV V写 信语义信息融合 语义信息对实体间语义关系的抽取具有重要的指导作用，我们在句法树中加入了两个实体词汇在 《 同义词词林 》 的语义编码信息。 N PD N PN PT 1 :N PE 1N N领 导 人E 2N N家 属D E G的N PD N PN PT 2 :N PE 1N N领 导 人E 2N N家 属D E G的S C 1 S C 2A f 1 0 a 0 2 A h 0 1 B 0 1重采样技术的应用 实验 实验设置 人物关系语料库包括关系正例 880个，关系负例 18599个。 人物关系类型主要为 PERSOC类和 CONTACT类。 本文实验采用五倍交叉验证策略。 选择 SVM作为分类器，采用的开源工具为支持卷积树核函数的SVMLight TK工具包。 评估标准采用常用的准确率（ P），召回率（ R）和 F1指标（ F1）。 。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。