项目名称: 维吾尔语命名实体间语义关系抽取理论方法研究

项目编号: No.61462083

项目类型: 地区科学基金项目

立项/批准年度: 2015

项目学科: 其他

项目作者: 卡哈尔江·阿比的热西提

作者单位: 新疆大学

项目金额: 46万元

中文摘要: 维吾尔语属于阿尔泰语系突厥语族,是一种复杂形态语言,具有不同于英语、汉语的独特词法、句法等语言特点。复杂形态语言命名实体间语义关系表示和自动抽取是 维吾尔语互联信息处理面临的重要科学问题。本课题将以维吾尔语命名实体间语义关系抽取为研究目标,着重研究制定具有统一标准的、面向信息处理的维吾尔语命名实体间语义关系标注规范,研发以主动学习为智能手段的关系标注工具,并在此基础上构建关系训练语料库,进一步研究基于随机游动模型的监督和半监督相结合的维吾尔语关系特征抽取方法,最后研究出符合维吾尔语语言特点的命名实体间语义关系自动抽取混合方法。项目研究成果为维吾尔语知识库的自动生成、语义 Web、智能信息 检索、自动问答系统以及自然语言理解研究打下坚实的基础。

中文关键词: 维吾尔语;实体关系抽取;半监督学习;特征提取

英文摘要: Uyghur language, which belongs to the Altaic language family of Turkic subgroup,is a morphologically complex language and have it's morpholigical, syntactic characteristics different from English and Chinese. Named entity relation notation and extraction on morphologically complex langguage faces important scientific issues. This project will study Uyghur named entity semantic relation extraction, includes drawing up a unified standard Uyghur named entity semantic relation annotation guidelines for the Uyghur information processing, the development of smart Uyghur named entity semantic relation annotation tools based on active learning, and on this base, construct the training corpus for relation extraction. And we further study combined methods of feature extraction based on random walk supervised model and semi-supervised machine learning, finally develop hybrid approach for Uyghur named entity semantic relation extraction in line with the characteristics of the Uyghur language. Those will lay a solid research basis for automatic generation of Uyghur knowledge base, semantic Web,intelligent information retrieval and natural language understanding.

英文关键词: Uyghur language;Entity relation extraction;Semi-supervised learning;Feature extraction

成为VIP会员查看完整内容
1

相关内容

「实体对齐」最新2022综述
专知会员服务
132+阅读 · 2022年3月15日
顾及时空特征的地理知识图谱构建方法
专知会员服务
51+阅读 · 2022年2月15日
开放领域知识图谱问答研究综述
专知会员服务
60+阅读 · 2021年10月30日
专知会员服务
34+阅读 · 2021年8月19日
专知会员服务
78+阅读 · 2021年5月27日
专知会员服务
188+阅读 · 2020年10月14日
基于多来源文本的中文医学知识图谱的构建
专知会员服务
52+阅读 · 2020年8月21日
实体关系抽取方法研究综述
专知会员服务
174+阅读 · 2020年7月19日
面向司法案件的案情知识图谱自动构建
专知会员服务
120+阅读 · 2020年4月17日
知识图谱构建-关系抽取和属性抽取
深度学习自然语言处理
25+阅读 · 2020年3月1日
知识图谱的自动构建
DataFunTalk
55+阅读 · 2019年12月9日
技术动态 | 跨句多元关系抽取
开放知识图谱
49+阅读 · 2019年10月24日
论文浅尝 | 基于知识库的类型实体和关系的联合抽取
开放知识图谱
35+阅读 · 2018年12月9日
徐阿衡 | 知识抽取-实体及关系抽取(一)
开放知识图谱
41+阅读 · 2018年9月18日
【知识图谱】 一个有效的知识图谱是如何构建的?
产业智能官
56+阅读 · 2018年4月5日
【知识图谱】中文知识图谱构建方法研究
产业智能官
98+阅读 · 2017年10月26日
肖仰华 | 基于知识图谱的问答系统
开放知识图谱
27+阅读 · 2017年9月18日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Towards Fine-grained Causal Reasoning and QA
Arxiv
0+阅读 · 2022年4月15日
小贴士
相关VIP内容
「实体对齐」最新2022综述
专知会员服务
132+阅读 · 2022年3月15日
顾及时空特征的地理知识图谱构建方法
专知会员服务
51+阅读 · 2022年2月15日
开放领域知识图谱问答研究综述
专知会员服务
60+阅读 · 2021年10月30日
专知会员服务
34+阅读 · 2021年8月19日
专知会员服务
78+阅读 · 2021年5月27日
专知会员服务
188+阅读 · 2020年10月14日
基于多来源文本的中文医学知识图谱的构建
专知会员服务
52+阅读 · 2020年8月21日
实体关系抽取方法研究综述
专知会员服务
174+阅读 · 2020年7月19日
面向司法案件的案情知识图谱自动构建
专知会员服务
120+阅读 · 2020年4月17日
相关资讯
知识图谱构建-关系抽取和属性抽取
深度学习自然语言处理
25+阅读 · 2020年3月1日
知识图谱的自动构建
DataFunTalk
55+阅读 · 2019年12月9日
技术动态 | 跨句多元关系抽取
开放知识图谱
49+阅读 · 2019年10月24日
论文浅尝 | 基于知识库的类型实体和关系的联合抽取
开放知识图谱
35+阅读 · 2018年12月9日
徐阿衡 | 知识抽取-实体及关系抽取(一)
开放知识图谱
41+阅读 · 2018年9月18日
【知识图谱】 一个有效的知识图谱是如何构建的?
产业智能官
56+阅读 · 2018年4月5日
【知识图谱】中文知识图谱构建方法研究
产业智能官
98+阅读 · 2017年10月26日
肖仰华 | 基于知识图谱的问答系统
开放知识图谱
27+阅读 · 2017年9月18日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员