中文時間事件關(guān)系識別的方法研究.pdf

1、隨著信息技術(shù)的迅猛發(fā)展，非結(jié)構(gòu)化的網(wǎng)絡(luò)數(shù)據(jù)呈指數(shù)級增長。如何有效利用這些龐大的非結(jié)構(gòu)化信息推動了信息抽取的誕生。信息抽取就是從文本中獲得結(jié)構(gòu)化的核心信息，以實現(xiàn)大規(guī)模數(shù)據(jù)集的數(shù)據(jù)融合、監(jiān)控及跟蹤等。時間事件的關(guān)系識別是信息抽取中的一個重要研究內(nèi)容，其任務(wù)是識別同一句子中事件和時間存在的特定關(guān)系。該技術(shù)在問答系統(tǒng)、文本分類、多文檔文摘等自然語言處理領(lǐng)域有著重要的作用。
　　 較好的時間表達(dá)式的識別和事件的識別是時間事件關(guān)系識別的基

2、礎(chǔ)。但現(xiàn)有研究中，對時間表達(dá)式和事件的識別通常只考慮了詞法信息而忽視了句子的結(jié)構(gòu)信息和語義信息。針對上述問題，本文充分考慮了句法特征和語義特征，并將其用在中文時間表達(dá)式和事件的識別中，故對時間表達(dá)式的識別，事件的識別和時間事件關(guān)系識別進(jìn)行了深入的研究，提出了新的相應(yīng)的識別方案，具體內(nèi)容如下：
　　 1提出了中文時間表達(dá)式的識別方案。
　　 本文將時間表達(dá)式的識別分為時間表達(dá)式的標(biāo)注和分類兩步。在時間表達(dá)式的標(biāo)注及分類中，

3、抽取的特征通常為詞法特征。由于時間表達(dá)式是語義層面的，其標(biāo)注和分類不能僅依賴詞語層面的特征。因此本文考慮將句法特征和語義特征加入到時間表達(dá)式的標(biāo)注和分類中，并提出了相應(yīng)的特征抽取算法。在抽取了有效的特征后，本文提出了中文時間表達(dá)式識別方案。實驗驗證本文所提出的方案能夠獲得較好的識別率。
　　 2提出了中文事件的識別方案。
　　 事件的識別即把句子中表示某個事發(fā)生的詞或短語抽取出來。在以往的研究中，大多只考慮了單獨的詞作為

4、事件的可能性，通常只抽取了詞法類基本特征。本文充分考慮了詞或者短語表示事件的可能性，將句法特征加入到中文事件的識別中，提高了短語表示事件的識別率。同時，考慮到事件的識別涉及語義層面，因此，將語義特征加入到事件的識別中。提出了基于詞法特征、句法特征及語義特征的事件識別方案。實驗驗證本文所提出的方案能夠獲得較好的識別率。
　　 3提出了中文時間事件的關(guān)系識別方案。
　　 本文在前面兩個工作的基礎(chǔ)上，針對中文時間事件關(guān)系的特點