維基百科人物屬性自動(dòng)獲取及社會(huì)網(wǎng)絡(luò)構(gòu)建方法研究.pdf

1、人物檢索是互聯(lián)網(wǎng)用戶最重要的活動(dòng)之一。人物搜索引擎、社會(huì)網(wǎng)絡(luò)構(gòu)建等與人物相關(guān)的網(wǎng)絡(luò)應(yīng)用成為研究的熱點(diǎn)。人物屬性抽取是這些研究的一個(gè)重要基礎(chǔ)。本文基于維基百科的人物文本進(jìn)行了人物屬性的抽取研究，并在人物屬性抽取的基礎(chǔ)上，結(jié)合人物維基文本中的其他信息，構(gòu)建了一個(gè)社會(huì)網(wǎng)絡(luò)。
　　維基百科人物文本中的信息盒以表格的形式對(duì)人物的重要屬性進(jìn)行了描述，這為抽取人物屬性提供了很好的數(shù)據(jù)源。但是只有不到40％的維基文本包含信息盒，并且還有部分信息盒

2、中的屬性信息缺失。因此，如何自動(dòng)生成信息盒及填充信息盒中缺失的屬性信息成為本文的研究?jī)?nèi)容之一。
　　信息盒模板有不同的類型，不同的信息盒模板包含的屬性類型不同。在利用信息盒模板抽取屬性之前，必須先確定維基文本使用的信息盒模板類型。本文把該問(wèn)題當(dāng)作一個(gè)文本分類任務(wù)處理。在特征選擇方面，提出了基于超鏈接詞、文本類別和實(shí)詞的特征選擇方法，并且與所有詞作為特征的方法進(jìn)行了對(duì)比，在不同的分類器上進(jìn)行了實(shí)驗(yàn)。結(jié)果表明，本文提出的方法在分類性能

3、上具有一定的優(yōu)越性。
　　在屬性抽取任務(wù)中，本文提出了一種全自動(dòng)的抽取方法。該方法利用部分已有信息盒中的“人物姓名-屬性-屬性值”三元組標(biāo)記維基文本句子，自動(dòng)生成帶標(biāo)注的數(shù)據(jù)集，通過(guò)機(jī)器學(xué)習(xí)生成描述人物屬性的模板，從而通過(guò)模板匹配獲取更多人物的屬性信息，達(dá)到生成或完善信息盒的目的。本文在五個(gè)常用屬性上進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)表明，該方法可以有效的抽取出人物的屬性。
　　最后，基于抽取出的人物屬性以及維基文本中的其他信息挖掘出一個(gè)相似