【摘 要】
：
随着信息技术的快速发展,每天都会出现海量的文本信息。通过人工挖掘信息中蕴藏的丰富知识费时费力,如何快速高效地抽取和利用海量信息中的知识成为人们关注的热点。信息抽取作为一种从非结构化文本中抽取结构性信息的技术应运而生,事件抽取是信息抽取中一个极为重要的任务,正在受到越来越多研究者的关注。事件抽取包括两个任务:事件检测和元素抽取。首先,事件检测的主要任务是基于文本中的触发词进行事件的分类,当前基于深度
论文部分内容阅读
随着信息技术的快速发展,每天都会出现海量的文本信息。通过人工挖掘信息中蕴藏的丰富知识费时费力,如何快速高效地抽取和利用海量信息中的知识成为人们关注的热点。信息抽取作为一种从非结构化文本中抽取结构性信息的技术应运而生,事件抽取是信息抽取中一个极为重要的任务,正在受到越来越多研究者的关注。事件抽取包括两个任务:事件检测和元素抽取。首先,事件检测的主要任务是基于文本中的触发词进行事件的分类,当前基于深度学习方法的事件检测严重依赖大量的训练语料。将事件检测定义到小样本学习中,以稀疏标注为背景,利用原型网络进行事件检测。事件类型最具代表性的信息为触发词,先前以融合触发词相对位置信息的方法,使得触发词本身的特征信息未得到充分利用。为此将触发词特征单独处理,并且新增了基于触发词的损失函数。本文提出了一种基于原型网络和重用触发词的事件检测模型（HATTPNT）,提高了小样本学习下事件检测模型的健壮性。其次,事件预测任务将从无结构文本中抽取的事件链看作已知事件,以一种选择题的形式进行后续事件的预测。相对于事件对或事件链等结构,本文引入事件间更为复杂的图结构信息来丰富事件间的关系语义,利用门控图神经网络对结构性事件进行特征抽取。在推理正确后续事件的步骤中,本文使用基于卷积神经网络的注意力机制进行已知事件的权重学习来提高事件预测的预测准确度。从而提出了基于门控图神经网络和卷积神经网络注意力机制的事件预测模型（GGNN-CATT）。最后,在公共数据集上对提出的HATTPNT事件检测模型和GGNN-CATT事件预测模型分别进行了对比实验分析,验证了本文提出的两个模型的有效性和先进性。
其他文献
随着第五代（Fifth-Generation,5G）移动通信技术时代的到来,移动边缘计算（Mobile Edge Computing,MEC）正在成为学术界和工业界关注的热点,其中调度策略的制定是一个极具挑战的问题。为了在保证任务尽快被执行的同时,优化MEC系统的整体性能,基于信息可观察情形,研究MEC系统中任务调度策略的博弈优化问题。首先,面向实时型任务,为了保证任务的响应性能,令全部虚拟机始终
现代社会中,图像是人们从外界获取信息的一种主要方式。高分辨率图像包含了丰富的细节信息和色彩,在医疗诊断、智能设备、视频监控等领域可以发挥出非常重要的作用。然而,在某些情况下,由于成像系统和成像环境的限制,我们只能获得低分辨率的图像。而较低的图像分辨率会给各种图像处理系统带来很大的挑战,造成图像处理系统性能下降。因此,如何提高图像的分辨率一直以来都备受关注。图像超分辨率重建是指利用图像处理技术,从给
随着网络技术的不断发展和完善,我们可以在各种电商平台上购买自己中意的产品。在购买产品时,推荐系统因其优秀的信息过滤功能逐渐成为人们依赖的工具。然而,一些不法商家为了商业利益,雇佣灰色组织,有目的性得对某些产品进行虚假评分,给予人们错误的商品推荐。这些灰色组织因利益需求,活跃在各个电商平台中,对推荐系统的安全造成了巨大的威胁。因此,如何有效地检测出这些组织,是推荐系统中急需解决的安全问题。目前的检测
本文提出了一个利用Greenberger-Horne-Zeilinger（GHZ）纠缠态作为量子信道的安全直接通信方案。在这篇文章中指出，最近由Nguyen提出的‘量子对话’通信方案在截取再发送窃听行为的攻击下，秘密信息是可以被窃听的。本文给出了一个修改后的方案来抵制这种截取再发送攻击，并且讨论了存在控制者的情况下如何实现控制量子安全直接通信。窃听者破坏传输粒子的窃听行为同样也可以被抵制。因此，利
同步定位与建图（Simultaneous Localization and Mapping,SLAM）通过自身所携带的传感器获取环境信息来联合估计机器人的运动和周围环境的地图,大多数的SLAM系统假定机器人运行在静态的环境,然而机器人实际运行的场景中含有大量运动物体,这将严重影响系统定位的精度甚至造成系统定位的失败。针对上述问题,本文提出了室外动态场景下双目视觉语义SLAM方法。具体内容如下:首先
视频分析技术是研究人体与动物体姿态、动作与行为的重要技术手段。而姿态估计是动作表示与识别的关键环节,有着重要的研究意义。本文在水产养殖监控视频下利用视频分析技术研究条纹斑竹鲨鱼体姿态估计算法,在研究人体姿态估计中基于部件模型方法的基础上,实现从人体姿态估计到鱼体姿态估计的迁移。姿态估计是视频行为识别和分析的基础。本文在灵活混合部件模型（FMP）基础上提出语义部件模型对条纹斑竹鲨鱼体进行建模并求解其
卷积稀疏编码已经在图像处理领域取得了瞩目的成就,其是使用滤波器和特征图进行卷积以保持空间一致性,从而弥补了稀疏表示存在的不足。之后,基于深度学习思想的多层卷积稀疏编码也成为研究热点。该文是对卷积稀疏编码模型和多层卷积稀疏编码模型进行研究和改进,其中主要工作内容如下:首先,在门控可学习的迭代收缩阈值算法提高编码成分思想的启发下,该文将这种门控机制引入到卷积稀疏编码模型中,提出了带有增益门的卷积稀疏编
推荐系统在社会生产、生活中有着丰富的应用场景,推荐技术也在不断追求极致结果和高品质的用户体验,面对数据内容的日益增加,数据特征变得越来越稀疏,并且人们对平台个性化需求不断提高,机器学习、协同过滤等传统推荐算法和基于马尔可夫过程、循环神经网络的序列推荐算法都已无法很好满足需求。针对以上这些情况,本文从如何有效缓解数据稀疏性问题和提高推荐算法个性化的能力两方面入手,从序列推荐的角度入手,结合用户与物品
本文提出了一个在量子电动力学（QED）腔场中传送未知的两原子纠缠态的方案。在这个方案中，一个三原子纠缠Greenberger-Horne-zeilinger（GHZ）态被用来作为量子通道。我们让两个原子同时与一个单模腔场和一个经典场相互作用。经过相互作用时间t后，再在原子1的态上执行一个旋转操作R，这样就可以成功地实现量子隐形传送，且成功机率为1.0。另外，本文可以忽略腔场的衰减和热场效应对本方案
众所周知,机器人系统被认为是一种典型的多输入、多输出的非线性系统,在实际的工作中,不仅会出现速度信息无法测量的情况,而且还会受到外部干扰、非精准测量、负载的变化、摩擦力和随机扰动的存在、以及没有进行建模的动态性等各个不确定性因素的影响。以上各种不确定性的因素会直接或间接地对机器人系统的轨迹追踪性能产生不好的影响,使系统变得不稳定。因此,深入探究机器人系统轨迹跟踪控制器的设计问题就具有更加重要的理论