基于Python深度学习实现主动学习的关系抽取方法 毕业论文+项目源码及数据集

---

当代社会的知识已呈爆炸性增长，其中最常见的知识蕴含在非结构化的自然语言文本当中。信息抽取（Information Extraction）技术通过一组被提及的实体、这些实体之间的关系以及这些实体参与的事件来表达非结构化文本其中的语义知识。作为信息抽取中关键的一环，关系抽取（Relation Extraction）技术，通过判断给定实体之间所属关系，为文本知识理解提供了重要的理论依据和使用价值。

目前基于监督学习的关系抽取需要大量已标记样本，随机选择部分数据标记不仅是对数据资源的浪费，还会直接影响到分类模型最终的准确率。事实上，随着数据收集和储存技术的发展，获取大量未标记自然语言文本变得十分容易，因此设计一种能够有效利用未标记样本集进行关系抽取的算法具有重要的实际价值。

为了解决上述问题，本文以主动学习为切入点，实现了多种采样算法，主要有不确定性，多样性，代表性等算法，在验证主动学习适用于关系抽取任务的基础上，通过融合多种采样标准最终获得一个可以在多个数据集和多种学习模型下仍具有效性的主动学习样本选择策略。

实验证明，本文提出的多标准融合采样策略是一个具有有效性、健壮性的策略，与多个单策略采样算法相比，在多个数据集上都能够取得相当或者更高的分类精度。

关键词：主动学习，深度学习，关系抽取，多标准

ABSTRACT

Knowledge in contemporary society has been growing explosively. The most common knowl- edge is contained in unstructured natural language texts. Most of its semantic knowledge can be expressed by a group of mentioned entities, the relationship between these entities and the events that these entities participate in. As a key part of information extraction, relationship extraction has important theoretical significance and practical application.

At present, a large number of labeled samples are needed in relation extraction based on supervised learning. Random annotation is not only a waste of data resources, but also affects the performance of classifier. In fact, with the development of data collection and storage technology, it is very easy to obtain a large amount of unlabeled natural language text. It is of great practical value to design an algorithm that can effectively use the unlabeled sample set.

In order to solve the above problems, the paper takes active learning as the starting point, designs and implements a variety of sample selection algorithms, including uncertainty, representativeness, diversity, etc. On the basis of verifying the applicability of active learning to relation extraction tasks, an active learning sample selection strategy which can be effective in multiple datasets and learning models is finally obtained by integrating multiple sampling standards.

Experiments show that the multi-standard fusion sampling strategy proposed in this paper is an effective and universal strategy. Compared with multiple single strategy sampling algorithms, it can achieve comparable or higher classification accuracy on multiple datasets.

KEY WORDS: Active Learning, Deep Learning, Relation Extraction, Multi-Criteria

ii

第一章引言1

1.1研究背景1

1.2国内外研究现状2

1.2.1关系抽取研究现状2

1.2.2主动学习研究现状3

1.3研究目标与内容4

1.4本文组织结构4

1.5本章小结5

第二章相关工作6

2.1关系抽取6

2.2主动学习9

2.2.1主动学习算法模型9

2.2.2主流主动学习介绍10

2.3本章小结11

第三章基于主动学习的关系抽取12

3.1抽取模型12

3.2基本采样方法14

3.2.1基于不确定性的采样方法14

3.2.2基于多样性的采样方法15

3.2.3基于代表性的采样方法16

3.3集成采样策略16

3.3.1基于多标准的赋权采样策略17

3.3.2基于多标准的逐层采样策略18

3.4本章小结19

第四章实验及分析20

4.1实验环境与数据20

4.2实验评价指标21

4.3实验结果与分析21

4.4本章小结25

第五章总结与展望26

致谢27

参考文献27