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

1、人物檢索是互聯(lián)網(wǎng)用戶最重要的活動之一。人物搜索引擎、社會網(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)建了一個社會網(wǎng)絡(luò)。
　　維基百科人物文本中的信息盒以表格的形式對人物的重要屬性進(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內(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。本文把該問題當(dāng)作一個文本分類任務(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，自動生成帶標(biāo)注的數(shù)據(jù)集，通過機(jī)器學(xué)習(xí)生成描述人物屬性的模板，從而通過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相似