检索结果

Select

1. 基于自监督学习的维基百科家庭关系抽取

朱苏阳, 惠浩添, 钱龙华, 张民

计算机应用 2015, 35 (4): 1013-1016. DOI: 10.11772/j.issn.1001-9081.2015.04.1013

摘要（520）

PDF （773KB）（663）

传统有监督的关系抽取方法需要大量人工标注的训练语料,而半监督方法则召回率较低,对此提出了一种基于自监督学习来抽取人物家庭关系的方法。该方法首先将中文维基百科的半结构化信息——家庭关系三元组映射到自由文本中,从而自动生成已标注的训练语料;然后,使用基于特征的关系抽取方法从中文维基百科的文本中获取人物间的家庭关系。在一个人工标注的家庭关系网络测试集上的实验结果表明,该方法优于自举方法,其F1指数达到77%,说明自监督学习可以较为有效地抽取人物家庭关系。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于支持向量机分类和语义信息的中文跨文本指代消解

赵知纬顾静航胡亚楠钱龙华周国栋

计算机应用 2013, 33 (04): 984-987. DOI: 10.3724/SP.J.1087.2013.00984

摘要（998）

PDF （642KB）（577）

跨文本(实体)指代消解(CDCR)的任务就是把所有分布在不同文本但指向相同实体的词组合在一起形成一个指代链。传统的跨文本指代消解主要采用聚类方法来解决信息检索中遇到的重名消歧问题。将聚类问题转换为分类问题，并采用支持向量机(SVM)分类器来解决信息抽取中的重名消歧和多名聚合问题。该方法可有效融合实体名称的构词特征、读音特征以及文本内部和文本外部的多种语义特征。在中文跨文本指代语料库上的实验表明，同聚类方法相比，该方法在提高精度的同时，也提高了召回率。

参考文献 | 相关文章 | 多维度评价

Select

3. 词汇语义信息对中文实体关系抽取影响的比较

刘丹丹彭成钱龙华周国栋

计算机应用 2012, 32 (08): 2238-2244. DOI: 10.3724/SP.J.1087.2012.02238

摘要（917）

PDF （1150KB）（395）

提出一种将《同义词词林》和《知网》的语义信息融合到基于树核函数的中文关系抽取方法，并比较和分析了两种语义信息对中文实体关系抽取的影响，同时探讨了这两种语义信息与实体类型信息之间的相互关系。实验结果表明，该方法能在一定程度上提高中文关系抽取的性能;同时,《同义词词林》能补充实体类型信息的不足，因而无论是否加入实体类型信息，其语义信息都能大幅度地提高大部分关系类型的抽取性能；而《知网》则和实体类型信息存在冲突，因此在已知实体类型信息的前提下，仅能提高个别关系类型的抽取性能。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于SIP协议的嵌入式视频监控系统

钱龙华吕强杨季文钱培德

计算机应用

摘要（1661）

PDF （663KB）（835）

提出了一个基于SIP协议的嵌入式视频监控系统。它的监控端采用嵌入式Linux设备，并且使用SIP协议同监控中心进行通信。通过SIP协议，监控中心能够开启和关闭视频监控，调整监控端的监控参数如亮度、对比度和色调等。监控端还能实现自主监控，当发现监控对象发生意外情况，能及时向监控中心报警。SIP的应用不仅拓展了视频监控系统的物理范围，也提高了监控的智能性。