上下位关系抽取方法及其在金融市场的应用.docx

1 引言 实体层级决定着知识图谱的深度,如何自动地识别与构建实体间的层级关系是近年来研究的热点和难点,是知识图谱构建的核心问题。实体间上下位关系的抽取是一项很有难度的任务,两个实体之间的语义关联特征、上下文语义特征、句法结构、复杂句中存在的隐性关系,这些因素都将直接影响上下位关系抽取的效果。本文基于映射矩阵和词向量相结合的方法,将语义特征、语境特征和空间结构特征统一整合,从而确定概念之间的上下位关系,并将关系模型抽取结果应用于金融市场,挖掘金融市场中上市公司、板块间存在的隐藏关联,进而为股票联动研究提供参考。 本文提出基于上下位关系映射矩阵和映射学习的词向量技术,应用于实体上下位关系抽取任务。