面向特定领域文本的重叠关系语料库构建方法

来源：计算机技术与发展杂志2022年第10期北京时间：

作者：刘凯;廖湘琳;张宏军

摘要：实体关系语料库是信息抽取领域的基础数据资源,其规模和质量直接影响信息抽取深度学习模型的效果。 目前,建立的特定领域语料库在重? ? ?叠关系方面的研究较少,且现有方法需要高昂的人工标注成本。 该文融合已有的基于实体识别和触发词规则的语料标注算法,基于自定义关? ? 系 schema 实现网络文本中重叠关系的自动标注。 首先,借助特定领域专业词典进行命名实体识别,构造命名实体集;然后根据自定义关系模式 schema 和依存句法分析进行特征词聚类,构造触发词词典;最后,基于命名实体集和触发词词典进行语料回标。 该算法有效减少了人工标注量,标注速度快,标注后的语料规模较大,有效提取重叠关系信息,为特定领域信息抽取扩充语料库提供了可行方案。 同时,该文探讨了数据源可用性,评价了标注质量并对语料库进行了统计分析。 实验结果显示,该方法总体回标成功率为 76. 7% ,总体关系标注准确率为85. 8% ,利用基础重叠关系抽取模型进行实验,实验结果 F1 值达到 93. 68% 。

关键词：实体关系;信息抽取;语料库构建;schema;触发词