声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：31-1289/TP
国际刊号：1000-3428
发布日期:
作者：冯桫, 刘井平, 蒋海云, 肖仰华
单位：复旦大学 计算机科学技术学院, 上海 200433
关键词：属性值抽取,机器阅读理解模型,知识图谱,众包,序列标注
基金：上海市科技创新行动计划（19511120400）。
由于互联网语料的高噪音特性，传统的属性值抽取方法存在人工成本增加及训练集缺乏等问题。提出一种新的实体属性值抽取方法。利用机器阅读理解模型，从互联网语料中抽取出高质量的候选属性值，通过高效的众包验证机制调整各候选属性值的权重，得到最终抽取结果。实验结果表明，与OpenTag、QANET等模型相比，该机器阅读理解模型有效提升了候选属性值抽取的准确性，抽取准确率提升10%左右，同时通过众包验证方法，能够以较低的众包成本提高属性值抽取的整体性能。
来源：2021年第5期
《计算机工程》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。