关键词：家谱文本;信息抽取;深度学习;Bootstrapping;BiLSTM-CRF;
基金资助：中央高校基本科研经费中国人民大学科研基金项目“领域知识图谱构建及其在数字人文中的应用”（项目编号：19XNA009）的研究成果之一；
DOI：10.13663/j.cnki.lj.2022.02.011
专辑：信息科技
专题：计算机软件及计算机应用
分类号：TP391.1
基于Bootstrapping的家谱文本信息抽取方法研究
-
发表期刊：
图书馆杂志
-
论文层级：
北大核心 CSSCI
-
论文作者：
鲍宸洋、任明/图书馆杂志. 2022,41(02)
-
论文摘要：
实现家谱文本信息的自动抽取是家谱资源深度开发利用的关键。目前深度学习在家谱文本信息抽取方面取得了良好的效果，但是对标注数据的依赖始终是其发展瓶颈之一。本文面向家谱的世系小传，研究基于小规模标注数据进行家谱人物和关系的抽取方法。具体来说：基于Bootstrapping的思想，以少量的标注数据作为初始种子集，使用深度学习BiLSTM-CRF模型为待标注样本自动预测标签序列，并筛选高置信分数的样本加入标注集中，从而迭代地扩展标注集，最后训练得到的模型用于命名实体识别和关系抽取。基于真实数据集的实验表明，使用Bootstrapping改进的BiLSTM-CRF模型能够基于小规模标注数据实现家谱信息抽取，使基于深度学习的家谱信息抽取更加高效。在种子集规模为250条时取得的预测效果与训练集规模为1800条的BiLSTM-CRF模型的预测效果接近。
最新动态
-
2023.12.08
An online-to-offline service recommendation method based on two-layer knowledge networks
-
2022.10.20
The data paper as a sociolinguistic epistemic object: A content analysis on the rhetorical moves used in data paper abstracts
-
2022.10.20
Storified narrative: Awake photo archives in digital humanities
-
2022.10.20
COVID-19 Rumor Detection on Social Networks Based on Content Information and User Response
-
2022.10.20
Information culture and recordkeeping: a case of Chinese enterprises