基于深度學(xué)習(xí)的算法知識(shí)實(shí)體識(shí)別與發(fā)現(xiàn)

朱國(guó)進(jìn)　沈盼宇

摘 要：隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，人類(lèi)已經(jīng)習(xí)慣于從網(wǎng)絡(luò)上獲取知識(shí)，然而伴隨著網(wǎng)絡(luò)資源爆炸式增長(zhǎng)，網(wǎng)絡(luò)資源內(nèi)容多樣，人們使用瀏覽器獲取知識(shí)的方法卻停滯不前，因此需要一種工具來(lái)幫助人們從網(wǎng)絡(luò)中高效的獲取和發(fā)現(xiàn)新知識(shí)。由于網(wǎng)絡(luò)資源文本并不是完全結(jié)構(gòu)化的數(shù)據(jù)，還包括一些自由文本等復(fù)雜的無(wú)結(jié)構(gòu)數(shù)據(jù)，這種文本信息雖然方便人們自由表達(dá)概念以及事件等，但是同時(shí)也為機(jī)器搜索、統(tǒng)計(jì)分析等制造了障礙。因此，為了在文本上更方便地進(jìn)行知識(shí)分析和挖掘，本文提出一種基于深度學(xué)習(xí)的算法知識(shí)實(shí)體識(shí)別與發(fā)現(xiàn)的方法，應(yīng)用于算法知識(shí)領(lǐng)域來(lái)解決上述問(wèn)題。通過(guò)創(chuàng)建算法知識(shí)專(zhuān)家?guī)靃1]，訓(xùn)練詞向量，建立深度神經(jīng)網(wǎng)絡(luò)模型，從算法知識(shí)文本中識(shí)別和發(fā)現(xiàn)算法知識(shí)名稱(chēng)。實(shí)驗(yàn)結(jié)果表明，該深度神經(jīng)網(wǎng)絡(luò)模型識(shí)別算法知識(shí)的準(zhǔn)確率高達(dá)98%，并有效發(fā)現(xiàn)了專(zhuān)家?guī)煲酝獾男轮R(shí)點(diǎn)，實(shí)現(xiàn)了預(yù)期實(shí)驗(yàn)需求。

關(guān)鍵詞：知識(shí)實(shí)體；命名實(shí)體識(shí)別；深度學(xué)習(xí)；知識(shí)發(fā)現(xiàn)

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A