基于應急知識模型的文本知識獲取研究.pdf

1、文本知識獲取作為人工智能領域和知識庫系統(tǒng)開發(fā)中的瓶頸問題，一直以來都受到廣泛的重視和研究。大量的知識散布于文本中各個角落里，在應急領域更是如此，文本中包含了大量的突發(fā)事件專業(yè)領域知識、應急措施、災害規(guī)律等各類知識。而現(xiàn)有的文本知識獲取方法依然是人工獲取是主流，自動知識獲取方法在一定程度上輔助人工獲取，效率較低，使得決策支持系統(tǒng)無法快速有效地處理海量文本；并且所獲取的知識也會存在冗余和過于復雜的問題，由此不適合直接應用在決策系統(tǒng)中，而需要

2、精簡和提煉；此外，從文本中自動獲取的知識類型比較狹隘，目前獲取的多為概念和概念關(guān)系之類的本體知識，遠遠無法滿足實際應用的需求。 針對以上問題，在進行了知識需求分析和應急領域文本特點分析之后，本文提出一種應急知識模型，用來表示并管理各類突發(fā)事件的抽象；并在總結(jié)應急領域文本中知識的特點及表示特點基礎之上，總結(jié)了邏輯關(guān)系辭典?；谥R模型和邏輯關(guān)系辭典，提出一種針對應急領域文本的事實及關(guān)系獲取方法，結(jié)合模式匹配方法、淺層自然語言處理技

3、術(shù)和統(tǒng)計方法，從文本中抽取有關(guān)應急領域或突發(fā)事件專業(yè)領域的事實及事實間的關(guān)系，并選擇以圖的方式將抽取結(jié)果進行表示，進而為在抽取的大量事實和關(guān)系基礎之上抽取知識模式提供基礎，從而完善已有知識。 文中首次提出通用事實(General Facts)的概念以及從文本中抽取通用事實的方法，并針對事實自身的特點對其進行了分類，這為最終的提取規(guī)則打下了基礎，這在一定程度上擴展了已有文本知識獲取方法的知識獲取對象的范圍。并總結(jié)了中文的邏輯關(guān)系辭