基于机器学习的高性能自适应信息抽取关键技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    60673041
  • 项目类别：
    面上项目
  • 资助金额：
    27.0万
  • 负责人：
    周国栋
  • 依托单位：
    苏州大学
  • 学科分类：
    F0211.信息检索与社会计算
  • 结题年份：
    2009
  • 批准年份：
    2006
  • 项目状态：
    已结题
  • 起止时间：
    2007-01-01 至2009-12-31

项目摘要

从非结构化的文本中抽取出结构化的特定信息是信息抽取技术研究的重要课题。目前，系统性能和系统可移植性两大关键问题严重制约着信息抽取技术的广泛应用。本项目将在前期研究的基础上，重点解决信息抽取领域的几个关键技术，通过研究机器学习方法，提高信息抽取系统的整体性能，解决系统可移植性问题，开发出适合于中英文的基于机器学习的高性能的自适应信息抽取系统。主要研究内容有：提出一个新颖的互信息依存模型，有效集成不同特征，进一步提高命名实体识别的性能，并具有较好的可扩展性；利用网络挖掘技术和弱指导机器学习方法，减轻命名实体识别和关系抽取对大规模手工标注语料库的依赖，解决信息抽取系统的可移植性问题；通过建立多层学习策略，探索相关类之间的共性，解决关系抽取小类的训练数据不足问题；研究基于机器学习的多代理策略和全局优化方案，深化指代消解的研究；并通过跨文本的指代消解研究，解决多文本中的相关信息的融合问题。

结项摘要

项目成果

期刊论文数量（26）
专著数量（0）
科研奖励数量（0）
会议论文数量（28）
专利数量（4）
Exploring syntactic structured features over parse trees for relation extraction using kernel methods
使用核方法探索解析树上的句法结构化特征以进行关系提取
  • DOI：
    10.1016/j.ipm.2007.07.013
  • 发表时间：
    2008-03-01
  • 期刊：
    INFORMATION PROCESSING & MANAGEMENT
  • 影响因子：
    8.6
  • 作者：
    Min, Zhang;GuoDong, Zhou;Aiti, Aw
  • 通讯作者：
    Aiti, Aw
Hierarchical learning strategy in semantic relation extraction
语义关系抽取中的分层学习策略
  • DOI：
    10.1016/j.ipm.2007.07.007
  • 发表时间：
    2008-05
  • 期刊：
    Information Processing & Management
  • 影响因子：
    8.6
  • 作者：
    Zhou GuoDong;Zhu QiaoMing;Ji DongHong;Zhang Min
  • 通讯作者：
    Zhang Min
基于树核函数的代词指代消解
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机工程
  • 影响因子：
    --
  • 作者：
    周国栋;李艳翠;谭魏璇;王海东
  • 通讯作者：
    王海东
基于支持向量机的英语名词短语指代消解
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机工程
  • 影响因子：
    --
  • 作者：
    杨勇;周国栋;朱巧明;李艳翠
  • 通讯作者：
    李艳翠
基于分层策略的弱指导语义关系抽取
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    农业工程学报
  • 影响因子：
    --
  • 作者：
    潘珅;周国栋;钱龙华;奚斌
  • 通讯作者：
    奚斌

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

猪α干扰素对猪圆环病毒2型亚单位疫苗免疫效果的影响
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    畜牧兽医学报
  • 影响因子：
    --
  • 作者：
    陈溥言;周国栋;曹瑞兵
  • 通讯作者：
    曹瑞兵
融合上下文依赖和句子语义的事件线索检测研究
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    计算机科学与探索
  • 影响因子：
    --
  • 作者：
    王凯;洪宇;邱盈盈;姚建民;周国栋
  • 通讯作者：
    周国栋
基于机器学习方法的英文事件代词消解研究
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    中文信息学报
  • 影响因子：
    --
  • 作者：
    张宁;孔芳;孔芳;李培峰;李培峰;周国栋;周国栋;朱巧明;朱巧明
  • 通讯作者：
    朱巧明
一种新型最优检索结果的发现与论证
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    计算机学报
  • 影响因子：
    --
  • 作者：
    康杨杨;姚建民;朱巧明;周国栋
  • 通讯作者：
    周国栋
面向自然语言文本的否定性与不确定性信息抽取
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    软件学报
  • 影响因子：
    --
  • 作者：
    邹博伟;钱忠;陈占成;朱巧明;周国栋
  • 通讯作者：
    周国栋

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

周国栋的其他基金

面向信息安全领域的事件分析及态势感知研究
  • 批准号：
    62376178
  • 批准年份：
    2023
  • 资助金额：
    50 万元
  • 项目类别：
    面上项目
基于事件关联性的层次话题建模研究
  • 批准号：
    62076175
  • 批准年份：
    2020
  • 资助金额：
    59 万元
  • 项目类别：
    面上项目
汉语篇章话题结构：形式化表示体系、语料库构建及其关键技术研究
  • 批准号：
    61673290
  • 批准年份：
    2016
  • 资助金额：
    65.0 万元
  • 项目类别：
    面上项目
跨语言社会舆情分析基础理论与关键技术研究
  • 批准号：
    61331011
  • 批准年份：
    2013
  • 资助金额：
    285.0 万元
  • 项目类别：
    重点项目
汉语篇章结构分析的资源建设与计算模型研究
  • 批准号：
    61273320
  • 批准年份：
    2012
  • 资助金额：
    81.0 万元
  • 项目类别：
    面上项目
基于配价结构和话题结构的汉语句法分析和语义计算模型研究
  • 批准号：
    90920004
  • 批准年份：
    2009
  • 资助金额：
    50.0 万元
  • 项目类别：
    重大研究计划
基于树核函数的弱指导实体间语义关系抽取研究
  • 批准号：
    60873150
  • 批准年份：
    2008
  • 资助金额：
    30.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码