典型文献
基于ALBERT的网络文物信息资源实体关系抽取方法研究
文献摘要：
[研究目的]实体间关联关系是知识的基本载体,对网络文物信息资源中实体关系进行抽取是大数据环境下进行文物知识发现、绘制文物知识图谱的前提,也是文物信息资源开发利用需要解决的重要问题.[研究方法]针对网络文物信息资源结构化数据标准详实、实体关系特征明确、语言描述规范等特征,从知识库中查询实体关系并依照规则进行实体关系标注,利用元数据标准进行实体关系对齐,使用预训练语言模型获取字符特征,应用深度学习有关方法获取语义特征,进行了非结构化文物信息资源实体关系的抽取.[研究结论]研究表明,在与其他预训练语言模型及深度学习方法的关系抽取对比实验中,该方法的综合效率相对较高,并根据实体关系分类的不同进行特征挖掘,为文物信息资源的研究与推广提供了有益的参考.
文献关键词：
文物信息资源;远程监督;预训练模型;深度学习;知识发现;ALBERT
中图分类号：
作者姓名：
彭博
作者机构：
华中科技大学建筑与城市规划学院 武汉 430074;华中师范大学信息管理学院 武汉 430079
文献出处：
引用格式：
[1]彭博-.基于ALBERT的网络文物信息资源实体关系抽取方法研究)[J].情报杂志,2022(08):156-162,178
A类：
B类：
ALBERT,文物信息资源,实体关系抽取,研究目的,关联关系,大数据环境下,知识发现,文物知识图谱,信息资源开发,资源开发利用,资源结构,结构化数据,详实,关系特征,描述规范,知识库,元数据标准,关系对齐,预训练语言模型,取字,字符,语义特征,非结构化,深度学习方法,综合效率,关系分类,特征挖掘,远程监督,预训练模型
AB值：
0.304649
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
