基于改進(jìn)HMMs的中文原子事件抽取方法.pdf

1、中文事件抽取是中文信息抽取的一種重要方法，研究如何將從自然語(yǔ)言描述的非結(jié)構(gòu)化文本中抽取出結(jié)構(gòu)化知識(shí)，它涉及到自然語(yǔ)言處理、模式識(shí)別、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫(kù)等多個(gè)學(xué)科，在文本蘊(yùn)含、信息檢索、股價(jià)預(yù)測(cè)、指代消解以及社區(qū)問(wèn)答等領(lǐng)域均有廣泛應(yīng)用。
　　傳統(tǒng)中文事件抽取方法將事件抽取看作分類問(wèn)題進(jìn)行處理，通過(guò)基于機(jī)器學(xué)習(xí)或者填充事件類型模版的方法來(lái)挖掘文本中的事件信息，這類方法往往只能處理特定類型相關(guān)的文本。而原子事件是不受事件類型約束的，能夠讓

2、計(jì)算機(jī)更加全面地理解段落、篇章或者文檔集中所包含的信息。
　　為了從文本中抽取原子事件，本文提出了一種不受事件類型約束的基于改進(jìn)隱馬爾可夫模型(Hidden Markov Models，HMMs)的中文原子事件抽取方法，該方法將中文事件抽取看作原子事件成分標(biāo)注問(wèn)題。改進(jìn)HMMs考慮了歷史狀態(tài)對(duì)當(dāng)前狀態(tài)轉(zhuǎn)移和觀測(cè)值生成的影響，還考慮了相對(duì)位置特征對(duì)原子事件成分識(shí)別的影響，此外，還將K-means算法用于錯(cuò)誤實(shí)例聚類得出錯(cuò)誤糾正規(guī)則，