：实体关系抽取是指从无结构的自然语言文本中抽取实体之间的语义关系，并以结构化的形式表示出 来。传统的实体关系抽取方法只注重一种特定类型的数据源，并需要标注大量的训练数据来训练抽取模型，人工成本高。因此提出了一种综合多种数据源，并结合规则推理引擎的实体关系抽取方法，准确地说就是综 合结构化和非结构化两种数据源，在结构化数据提供少量种子的情况下用规则推理引擎推理出更多的实体关 系。然后使用远程监督学习方法从无结构的文本中抽取实体关系，通过多次迭代获得最终的实体关系。实验 结果证明了该方法的有效性。
2021-04-28 17:08:13
2.6MB
1
Entity and Relation Extraction Based on TensorFlow and BERT. 基于TensorFlow和BERT的管道式实体及关系抽取，2019语言与智能技术竞赛信息抽取任务解决方案。Schema based Knowledge Extraction, SKE 2019
2021-04-25 13:50:28
3.46MB
1
本数据集主要提供对数据结构学科知识图谱的构建，主要包含500+数据结构方面的知识实体，9种关系，176000+示例，16000+实体对，已标注好3676个实体对关系。通过模型学习已标注的实体对来对未知实体对进行关系抽取，实现最终的图谱构建。
对应博客：https://blog.csdn.net/qq_36426650/article/details/87719204
2021-04-21 22:19:22
15.51MB
1
实体关系识别和自然语言处理中的ace 2005 语料，非常珍贵
ACE 2005多语种培训语料库包含完整的英语、阿拉伯语和汉语训练数据，用于2005年自动内容提取(ACE)技术评估。语料库由多种类型的数据组成包括实体、关系和事件，这些数据由语言数据联盟(LDC)标注，并得到ACE计划的支持和LDC的额外援助。
2021-03-25 16:25:18
183KB
1
提供高中数学学科的知识数据集，包含2232个样本和2399个实体，提供了基于该数据集的实体关系数据库（一共12种关系，11250个实体关系对）。该数据集可用于基于高中数学学科的知识图谱的构建，包含命名实体识别、实体关系抽取、文本分类等任务。
2021-03-14 19:53:48
506KB
1
实体关系抽取作为信息抽取、自然语言理解、信息检索等领域的核心任务和重要环节,能够从文本中抽取实体对间的语义关系.近年来,深度学习在联合学习、远程监督等方面上的应用,使关系抽取任务取得了较为丰富的研究成果.目前,基于深度学习的实体关系抽取技术,在特征提取的深度和模型的精确度上已经逐渐超过了传统基于特征和核函数的方法.围绕有监督和远程监督两个领域,系统总结了近几年来中外学者基于深度学习的实体关系抽取研究进展,并对未来可能的研究方向进行了探讨和展望.
2021-02-21 17:40:56
1.85MB
1