基于深度学习的领域实体属性词聚类抽取研究*

苏丰龙，谢庆华，邱继远，岳振军

(1. 解放军理工大学 通信工程学院，江苏 南京 210007； 2. 解放军理工大学 国防工程学院，江苏 南京 210007)

基于深度学习的领域实体属性词聚类抽取研究*

苏丰龙1，谢庆华2，邱继远1，岳振军1

(1. 解放军理工大学 通信工程学院，江苏 南京 210007； 2. 解放军理工大学 国防工程学院，江苏 南京 210007)

属性词的聚类是领域实体属性抽取中的一个重要步骤。在未知领域和大量文本中，人工标注寻找十分困难。本文将一种基于深度学习框架的词语嵌入表示方法(Word Embedding)引入到领域实体属性词聚类研究中，在无监督条件下解决大规模语料、领域实体属性词表人工参与构建代价较高的问题，并进行了适当的扩展，取得了较好的效果，可以为信息抽取等后续高级任务提供较好服务。

词向量；深度学习；词语聚类；属性抽取

0 引言

随着机器学习理论的发展，基于自然语言处理的传统信息抽取技术面临着各种机遇和挑战。特别是有监督的学习方法需要大量人工去标注语料，代价昂贵，成本较高，在现行的机器学习应用研究当中，逐步被半监督、无监督和混合学习方法取代。

在领域实体属性抽取这一课题中，数据来源广泛，载体形式多样，大量的信息载体在互联网上生成和传播，从结构化的数据库，半结构化的百科网页，到完全非结构化的自由文本，给信息抽取工作带来了各种挑战和机遇。传统的监督学习方法通过对大量已经标注的样本来学习得到映射模型，然后再对未知样本进行标签预测。……