Page 70 - 2023年第54卷第7期

ＯＬ］．（２０２２ － ０４ － ２１）［２０２２ － ０６ － １７］．ｈｔｔｐｓ：??ａｒｘｉｖ．ｏｒｇ?ａｂｓ?２２０４．１００１９．
［２６］ ＫＥＮＴＯＮＪＤＭ Ｗ Ｃ，ＴＯＵＴＡＮＯＶＡＬＫ．Ｂｅｒｔ：Ｐｒｅ － ｔｒａｉｎｉｎｇｏｆｄｅｅｐｂｉｄｉｒｅｃｔｉｏｎａｌｔｒａｎｓｆｏｒｍｅｒｓｆｏｒｌａｎｇｕａｇｅｕｎ
ｄｅｒｓｔａｎｄｉｎｇ ［Ｃ］??ＰｒｏｃｅｅｄｉｎｇｓｏｆｎａａｃＬ － ＨＬＴ．２０１９．
［２７］ ＷＥＩＪ，ＺＯＵＫ．Ｅｄａ：Ｅａｓｙｄａｔａａｕｇｍｅｎｔａｔｉｏｎｔｅｃｈｎｉｑｕｅｓｆｏｒｂｏｏｓｔｉｎｇｐｅｒｆｏｒｍａｎｃｅｏｎｔｅｘｔｃｌａｓｓｉｆｉｃａｔｉｏｎｔａｓｋｓ［ＥＢ?
ＯＬ］．（２０１９ － ０８ － ２５）［２０２２ － ０９ － １０］．ｈｔｔｐｓ：??ａｒｘｉｖ．ｏｒｇ?ａｂｓ?１９０１．１１１９６．
［２８］ ＫＡＲＩＭＩＡ，ＲＯＳＳＩＬ，ＰＲＡＴＩＡ．Ａｅｄａ：Ａｎｅａｓｉｅｒｄａｔａａｕｇｍｅｎｔａｔｉｏｎｔｅｃｈｎｉｑｕｅｆｏｒｔｅｘｔｃｌａｓｓｉｆｉｃａｔｉｏｎ［ＥＢ?ＯＬ］．
（２０２１ － ０８ － ３０）［２０２２ － ０９ － １０］．ｈｔｔｐｓ：??ａｒｘｉｖ．ｏｒｇ?ａｂｓ?２１０８．１３２３０．
［２９］ ＬＩＵＫ，ＬＩＵＸ，ＹＡＮＧＡ，ｅｔａｌ．Ａｒｏｂｕｓｔａｄｖｅｒｓａｒｉａｌｔｒａｉｎｉｎｇａｐｐｒｏａｃｈｔｏｍａｃｈｉｎｅｒｅａｄｉｎｇｃｏｍｐｒｅｈｅｎｓｉｏｎ［Ｃ］??
ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＡＡＡＩＣｏｎｆｅｒｅｎｃｅｏｎＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ．２０２０．
［３０］ 付瑞，李剑宇，王笳辉，等．面向领域知识图谱的实体关系联合抽取 ［Ｊ］．华东师范大学学报 （自然科学
版），２０２１（５）：２４ － ３６．
［３１］ ＷＡＮＧＰ，ＹＡＮＧＡ，ＭＥＮ Ｒ，ｅｔａｌ．Ｏｆａ：Ｕｎｉｆｙｉｎｇａｒｃｈｉｔｅｃｔｕｒｅｓ，ｔａｓｋｓ，ａｎｄｍｏｄａｌｉｔｉｅｓｔｈｒｏｕｇｈａｓｉｍｐｌｅｓｅ
ｑｕｅｎｃｅ － ｔｏ － ｓｅｑｕｅｎｃｅｌｅａｒｎｉｎｇｆｒａｍｅｗｏｒｋ［Ｃ］??ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＭａｃｈｉｎｅＬｅａｒｎｉｎｇ．ＰＭＬＲ，２０２２．
［３２］ 李可悦，陈轶，牛少彰．基于 ＢＥＲＴ的社交电商文本分类算法［Ｊ］．计算机科学，２０２１，４８（２）：８７ － ９２．
［３３］ ＬＡＮＤＩＳＪＲ，ＫＯＣＨＧＧ．Ａｎａｐｐｌｉｃａｔｉｏｎｏｆｈｉｅｒａｒｃｈｉｃａｌｋａｐｐａ － ｔｙｐｅｓｔａｔｉｓｔｉｃｓｉｎｔｈｅａｓｓｅｓｓｍｅｎｔｏｆｍａｊｏｒｉｔｙａｇｒｅｅ
ｍｅｎｔａｍｏｎｇｍｕｌｔｉｐｌｅｏｂｓｅｒｖｅｒｓ ［Ｊ］．Ｂｉｏｍｅｔｒｉｃｓ，１９７７：３６３ － ３７４．
［３４］ ＪＩＹ，ＳＵＮＡ，ＺＨＡＮＧＪ，ｅｔａｌ．Ａ ｃｒｉｔｉｃａｌｓｔｕｄｙｏｎｄａｔａｌｅａｋａｇｅｉｎｒｅｃｏｍｍｅｎｄｅｒｓｙｓｔｅｍ ｏｆｆｌｉｎｅｅｖａｌｕａｔｉｏｎ［Ｊ］．
ＡＣＭ ＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍｓ ，２０２３，４１（３）：１ － ２７．
［３５］ ＪＩＡＮＧＫ，ＰＲＡＤＥＥＰＲ，ＬＩＮＪ．ＥｘｐｌｏｒｉｎｇｌｉｓｔｗｉｓｅｅｖｉｄｅｎｃｅｒｅａｓｏｎｉｎｇｗｉｔｈＴ５ｆｏｒｆａｃｔｖｅｒｉｆｉｃａｔｉｏｎ［Ｃ］??Ｐｒｏｃｅｅｄ
ｉｎｇｓｏｆｔｈｅ５９ｔｈＡｎｎｕａｌＭｅｅｔｉｎｇｏｆｔｈｅＡｓｓｏｃｉａｔｉｏｎｆｏｒＣｏｍｐｕｔａｔｉｏｎａｌＬｉｎｇｕｉｓｔｉｃｓａｎｄｔｈｅ１１ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＪｏｉｎｔ
ＣｏｎｆｅｒｅｎｃｅｏｎＮａｔｕｒａｌＬａｎｇｕａｇｅＰｒｏｃｅｓｓｉｎｇ （Ｖｏｌｕｍｅ２：ＳｈｏｒｔＰａｐｅｒｓ）．２０２１．

Ｉｎｔｅｌｌｉｇｅｎｔａｎａｌｙｓｉｓａｎｄｊｏｉｎｔｅｘｔｒａｃｔｉｏｎｏｆｒｅｓｃｕｅｅｎｔｉｔｉｅｓａｎｄ
ｒｅｌａｔｉｏｎｓｈｉｐｓｉｎｗａｔｅｒｐｒｏｊｅｃｔｔｅｘｔｓ
１，２
１
３
１
１
ＹＡＮＧＹａｎｇｒｕｉ，ＺＨＵＹａｐｉｎｇ，ＬＩＵＸｕｅｍｅｉ ，ＣＨＥＮＳｉｓｉ，ＬＩＨｕｉｍｉｎ
（１．ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＥｌｅｃｔｒｉｃＰｏｗｅｒ，Ｚｈｅｎｇｚｈｏｕ ４５００００，Ｃｈｉｎａ；
２．ＣｏｌｌａｂｏｒａｔｉｖｅＩｎｎｏｖａｔｉｏｎＣｅｎｔｅｒｆｏｒＥｆｆｉｃｉｅｎｔＵｔｉｌｉｚａｔｉｏｎｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓ，Ｚｈｅｎｇｚｈｏｕ ４５００００，Ｃｈｉｎａ；
３．ＳｃｈｏｏｌｏｆＷａｔｅｒＣｏｎｓｅｒｖａｎｃｙ，ＮｏｒｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＥｌｅｃｔｒｉｃＰｏｗｅｒ，Ｚｈｅｎｇｚｈｏｕ ４５００００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｗａｔｅｒｐｒｏｊｅｃｔｒｅｓｃｕｅｍｅａｓｕｒｅｓａｒｅａｎｉｍｐｏｒｔａｎｔｐａｒｔｏｆｆｌｏｏｄｐｒｅｖｅｎｔｉｏｎｅｍｅｒｇｅｎｃｙｐｌａｎ．Ｔｈｉｓａｒｔｉｃｌｅ
ａｉｍｓｔｏｕｓｅｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎｔｅｃｈｎｏｌｏｇｙｔｏｅｘｔｒａｃｔｗａｔｅｒｐｒｏｊｅｃｔｒｅｓｃｕｅｋｎｏｗｌｅｄｇｅｆｒｏｍ ｖａｒｉｏｕｓｕｎｓｔｒｕｃｔｕｒｅｄ
ｔｅｘｔｓｏｕｒｃｅｓ ，ａｎｄｔｒａｎｓｆｏｒｍ ｉｔｉｎｔｏａｔｒｉｐｌｅｓｔｒｕｃｔｕｒｅｏｆ〈ｅｎｔｉｔｙ，ｒｅｌａｔｉｏｎｓｈｉｐ，ｅｎｔｉｔｙ〉，ａｎｄｐｒｏｖｉｄｅｓｔｒｕｃｔｕｒｅｄ
ｋｎｏｗｌｅｄｇｅｓｕｐｐｏｒｔｆｏｒｉｎｔｅｌｌｉｇｅｎｔｇｅｎｅｒａｔｉｏｎｏｆｅｍｅｒｇｅｎｃｙｐｌａｎｓ．Ｔｈｅｈｅｔｅｒｏｇｅｎｅｏｕｓｗａｔｅｒｐｒｏｊｅｃｔｒｅｓｃｕｅｅｎｔｉｔｙｅｘ
ｔｒａｃｔｉｏｎａｎｄｒｅｌａｔｉｏｎｓｈｉｐｅｘｔｒａｃｔｉｏｎｔａｓｋｓａｒｅｃｏｎｓｉｄｅｒｅｄａｓｓｅｑｕｅｎｃｅ － ｔｏ － ｓｅｑｕｅｎｃｅｇｅｎｅｒａｔｉｏｎｔａｓｋｓ ，ａｎｄｗａｔｅｒｐｒｏ
ｊｅｃｔｒｅｓｃｕｅｅｎｔｉｔｉｅｓａｎｄｒｅｌａｔｉｏｎｓｈｉｐｓｊｏｉｎｔｅｘｔｒａｃｔｉｏｎ （ＷＲＥＲＪＥ）ｆｒａｍｅｗｏｒｋｂａｓｅｄｏｎｌａｒｇｅｌａｎｇｕａｇｅｍｏｄｅｌｓｉｓｐｒｏ
ｐｏｓｅｄ．ＷＲＥＲＪＥｉｓａｍｕｌｔｉｔａｓｋｉｎｇｆｒａｍｅｗｏｒｋｆｏｒｂｏｔｈｅｎｔｉｔｙｅｘｔｒａｃｔｉｏｎａｎｄｒｅｌａｔｉｏｎｓｈｉｐｅｘｔｒａｃｔｉｏｎ ，ｗｈｉｃｈｕｓｅｓｄｙ
ｎａｍｉｃｐｒｏｍｐｔｓｔｏｇｕｉｄｅＴ５ｆｏｒｊｏｉｎｔｅｘｔｒａｃｔｉｏｎｏｆｅｎｔｉｔｉｅｓａｎｄｒｅｌａｔｉｏｎｓｈｉｐｓ．Ｔｈｅｔｅｘｔｄａｔａａｕｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｓｐｅ
ｃｉｆｉｃｔｏｔｈｅｆｉｅｌｄｏｆｗａｔｅｒｐｒｏｊｅｃｔｒｅｓｃｕｅｉｓｓｔｕｄｉｅｄ ，ａｎｄｏｎｔｈｅｂａｓｉｓｏｆｔｈｅｐｒｅｌｉｍｉｎａｒｙｆｉｎｅ － ｔｕｎｉｎｇｏｆＷＲＥＲＪＥｂｙ
ｕｓｉｎｇａｓｍａｌｌｎｕｍｂｅｒｏｆｌａｂｅｌｅｄｓａｍｐｌｅｓ ，ＷＲＥＲＪＥｉｓｆｕｒｔｈｅｒｆｉｎｅ － ｔｕｎｅｄｂｙｕｓｉｎｇｍｏｒｅｖａｇｕｅｌｙｄｅｓｃｒｉｂｅｄｂｕｔｃｏｒ
ｒｅｃｔｌｙｌａｂｅｌｅｄｄａｔａａｒｅｏｂｔａｉｎｅｄｂｙｄａｔａａｕｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄ，ｉｍｐｒｏｖｉｎｇｉｔｓｐｅｒｆｏｒｍａｎｃｅｆｏｒｅｘｔｒａｃｔｉｎｇｗａｔｅｒｐｒｏｊｅｃｔ
ｒｅｓｃｕｅｅｎｔｉｔｉｅｓａｎｄｒｅｌａｔｉｏｎｓｈｉｐｓ．ＴｈｅｐｅｒｆｏｒｍａｎｃｅｏｆＷＲＥＲＪＥｉｓｅｖａｌｕａｔｅｄｅｘｐｅｒｉｍｅｎｔａｌｌｙ ，ａｎｄｔｈｅｒｅｓｕｌｔｓｓｈｏｗ
ｔｈａｔＷＲＥＲＪＥｓｈｏｗｓｈｉｇｈｅｘｔｒａｃｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｉｎｔｈｅｔａｓｋｏｆｗａｔｅｒｐｒｏｊｅｃｔｒｅｓｃｕｅｅｎｔｉｔｙｅｘｔｒａｃｔｉｏｎａｎｄｒｅｌａｔｉｏｎｓｈｉｐ
ｅｘｔｒａｃｔｉｏｎ（Ｆ１ｖａｌｕｅｓｏｆｅｎｔｉｔｙａｎｄｒｅｌａｔｉｏｎｓｈｉｐｒｅａｃｈ７８．４２％ ａｎｄ７８．２２％，ｒｅｓｐｅｃｔｉｖｅｌｙ），ｗｈｉｃｈｖｅｒｉｆｉｅｓｔｈｅｅｆ
ｆｅｃｔｉｖｅｎｅｓｓｏｆｄｙｎａｍｉｃｐｒｏｍｐｔａｎｄｊｏｉｎｔｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｓ．
Ｋｅｙｗｏｒｄｓ：ｗａｔｅｒｐｒｏｊｅｃｔｒｅｓｃｕｅ；ｅｍｅｒｇｅｎｃｙｐｌａｎ；ｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎ； ｄｙｎａｍｉｃｐｒｏｍｐｔ； ｊｏｉｎｔｅｘｔｒａｃｔｉｏｎ；
ｔｅｘｔｄａｔａａｕｇｍｅｎｔａｔｉｏｎ

（责任编辑：于福亮）

— ８ ２ —
８