Resumen

La extracción de relaciones es uno de los temas de investigación más importantes en el campo de la investigación de la extracción de información. Para resolver el problema de la variación semántica en el algoritmo tradicional de extracción de relaciones semisupervisado, este artículo propone un nuevo algoritmo de extracción de relaciones semisupervisado basado en el aprendizaje por conjuntos (LXRE). El nuevo algoritmo utiliza principalmente dos tipos de clasificadores de máquina de vectores de soporte basados en el núcleo de árbol para la integración e integra la estrategia de conjunto de semillas de extensión restringida. El nuevo algoritmo puede debilitar la inexactitud de la extracción de relaciones, causada por el fenómeno de la variación semántica. La investigación experimental numérica basada en dos conjuntos de datos de referencia (PropBank y AIMed) muestra que el algoritmo LXRE propuesto en el artículo es superior a otros dos métodos comunes de extracción de relaciones en cuatro índices de evaluación (Precisión, Recall, F-measure y Accuracy). Esto indica que el nuevo algoritmo tiene una buena capacidad de extracción de relaciones en comparación con otros.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:algoritmo de extracción de relaciones, nuevo algoritmo, variación semántica, inexactitudes de las relaciones, capacidad de extracción de relaciones, tema de investigación importante, extracción de relaciones semisupervisada, campo de información, tipo de soporte, semilla de extensión restringida
• Keywords:relations extraction algorithm, new algorithm, semantic variation, inaccuracies of relations, relations extraction ability, important research topic, semisupervised relations extraction, field of information, kind of support, constrained extension seed