事件及其事件要素的抽取研究.pdf

1、近年來，對于事件的研究一直以來深受學(xué)術(shù)界的高度重視，其中，從海量文本中進(jìn)行事件抽取，從而獲取人們感興趣的信息和數(shù)據(jù)是大數(shù)據(jù)時代亟待解決的關(guān)鍵技術(shù)。事件抽取是信息抽取的重要組成部分，事件抽取就是從非結(jié)構(gòu)化文本中抽取出用戶感興趣的事件，然后用結(jié)構(gòu)化或半結(jié)構(gòu)化的形式描述出來，供用戶瀏覽、查詢或者進(jìn)一步分析利用。事件識別和事件要素的抽取是事件抽取的兩大主要任務(wù)，本文主要針對這兩個內(nèi)容展開深入研究。
　　(1)事件識別其實(shí)是事件觸發(fā)詞的識別

2、過程，針對當(dāng)下語料庫資源缺乏造成的數(shù)據(jù)稀疏問題，本文提出了基于擴(kuò)展觸發(fā)詞表和多特征融合下的機(jī)器學(xué)習(xí)相結(jié)合的事件觸發(fā)詞識別方法?；跀U(kuò)展觸發(fā)詞表的識別方法有較高的召回率但準(zhǔn)確率卻很低?；跈C(jī)器學(xué)習(xí)的識別方法準(zhǔn)確率有明顯提高但召回率卻低于前一種方法。鑒于此，本文把兩種識別方法結(jié)合起來，根據(jù)計算得出的候選觸發(fā)詞的權(quán)重分布情況設(shè)定一個閾值，候選觸發(fā)詞的權(quán)重大于閾值時即認(rèn)定為事件觸發(fā)詞，當(dāng)小于閾值時，就用機(jī)器學(xué)習(xí)的方法進(jìn)行識別判斷。實(shí)驗結(jié)果表明通

3、過把兩種方法進(jìn)行結(jié)合使用，召回率和準(zhǔn)確率得到兼顧，F(xiàn)值也比較理想。
　　(2)事件要素的抽取方面，基于監(jiān)督學(xué)習(xí)的方法對語料庫資源的依賴比較強(qiáng)，不少研究工作都受到了數(shù)據(jù)稀疏問題的困擾。本文提出了聚類（無監(jiān)督）學(xué)習(xí)的事件要素抽取方法，該方法能有效的減少對語料庫的依賴。聚類算法選用基于距離的典型的k-means算法，但是傳統(tǒng)的k-means算法忽略了各個特征對聚類分析影響的差異。在實(shí)際應(yīng)用中，各個特征對聚類的貢獻(xiàn)是不等的，所以在聚類分析