10.3969/j.issn.1000-3428.2017.08.032
基于概率软逻辑模型的实体解析
在马尔科夫逻辑网(MLN)的实体解析算法中任意闭原子采用硬约束,导致推理及权重学习过程较难收敛到最优解,降低解析精度及执行效率.为此,提出一种将概率软逻辑(PSL)模型应用到实体解析中的方法,该模型中闭原子采用软约束,易于进行知识推理与权重学习.阐述PSL模型基本理论,通过实体关系、实体属性、本体约束构造PSL模型的逻辑规则,描述实体解析的匹配过程,根据PSL模型的推理机制实现实体解析的决策过程.实验结果表明,与基于MLN的实体解析算法相比,该方法可大幅提高实体解析的准确率、F1值及执行效率.
实体解析、概率软逻辑、马尔科夫逻辑网、实体关系、实体属性、本体约束
43
TP391(计算技术、计算机技术)
2017-09-01(万方平台首次上网日期,不代表论文的发表时间)
共6页
188-192,199