基于树核函数的弱指导实体间语义关系抽取研究

实体间语义关系抽取是自然语言理解的关键和热点问题之一。本项目将在前期研究的基础上，重点解决困扰目前语义关系抽取研究的两个关键问题，一是如何获取和利用有效的结构化句法信息；二是如何减少对手工标注的大规模标注语料的依赖。主要研究内容包括：1）在语言学理论的指导下，研究语义关系抽取所需的关键结构化句法信息，探索自动获取相关结构化句法信息的动态语义关系树抽取方案，以确保抽取的语义关系树既涵盖关键的结构化句法信息，又能减少不必要的噪音；2）在研究现有的树核函数的基础上，探索既能有效集成上下文信息又允许模糊匹配的新颖卷积树核函数，以更好地体现语义关系抽取所需的各种结构化句法信息；3）在研究现有的弱指导学习方法的基础上，探索基于自举加权支持向量的标注传播算法，以捕获标注语料和未标注语料中的自然簇结构，同时有效避免数据不平衡问题，减少内存需求和计算成本。