基于Bootstrapping的家谱文本信息抽取方法研究

作者：鲍宸洋; 任明^*

来源：图书馆杂志, 2022, 41(02): 93-102.

DOI：10.13663/j.cnki.lj.2022.02.011

• 家谱文本
• 信息抽取
• 深度学习
• Bootstrapping
• BiLSTM-CRF

实现家谱文本信息的自动抽取是家谱资源深度开发利用的关键。目前深度学习在家谱文本信息抽取方面取得了良好的效果，但是对标注数据的依赖始终是其发展瓶颈之一。本文面向家谱的世系小传，研究基于小规模标注数据进行家谱人物和关系的抽取方法。具体来说：基于Bootstrapping的思想，以少量的标注数据作为初始种子集，使用深度学习BiLSTM-CRF模型为待标注样本自动预测标签序列，并筛选高置信分数的样本加入标注集中，从而迭代地扩展标注集，最后训练得到的模型用于命名实体识别和关系抽取。基于真实数据集的实验表明，使用Bootstrapping改进的BiLSTM-CRF模型能够基于小规模标注数据实现家谱信息抽取，使基于深度学习的家谱信息抽取更加高效。在种子集规模为250条时取得的预测效果与训练集规模为1800条的BiLSTM-CRF模型的预测效果接近。

• 单位
  中国人民大学