企業(yè)外部商業(yè)關(guān)系抽取研究.pdf

1、近年來，隨著因特網(wǎng)的快速發(fā)展，Web網(wǎng)頁的數(shù)量也呈現(xiàn)出急劇增長的趨勢，海量的網(wǎng)頁中通常蘊(yùn)含著豐富的企業(yè)競爭情報(bào)，如何從海量的網(wǎng)頁中挖掘企業(yè)所需的競爭情報(bào)成為人們研究的熱點(diǎn)問題。企業(yè)競爭情報(bào)包含競爭者發(fā)現(xiàn)、商業(yè)關(guān)系抽取等多個(gè)方面，并且商業(yè)關(guān)系抽取已成為企業(yè)獲取商業(yè)競爭情報(bào)的一種有效手段，在當(dāng)今社會發(fā)揮著越來越重要的作用。
　　 本論文關(guān)注于從Web網(wǎng)頁中抽取企業(yè)外部商業(yè)關(guān)系，企業(yè)外部商業(yè)關(guān)系是一種重要的企業(yè)競爭情報(bào)，主要反映了本企

2、業(yè)與其他企業(yè)之間存在的商業(yè)行為，通過獲取企業(yè)及其他企業(yè)存在的商業(yè)關(guān)系可以幫助人們推測企業(yè)的發(fā)展策略，輔助人們決策。本文主要研究了企業(yè)外部商業(yè)關(guān)系中的收購關(guān)系和合作關(guān)系抽取問題，主要貢獻(xiàn)如下:
　　 (1)提出了面向Web網(wǎng)頁的Top-k企業(yè)收購關(guān)系抽取算法。
　　 本論文研究了在海量的Web網(wǎng)頁中抽取企業(yè)收購關(guān)系的問題，并提出了一種新穎的算法，該算法引入了Web文本的時(shí)態(tài)特征和語義強(qiáng)弱性分類技術(shù)來實(shí)現(xiàn)企業(yè)收購關(guān)系的抽取。

3、它通過對句子時(shí)態(tài)進(jìn)行標(biāo)注，再將時(shí)態(tài)特征應(yīng)用到句子分類上解決描述收購關(guān)系的候選句子的語義強(qiáng)弱性分類問題，在此基礎(chǔ)上對候選的收購對象進(jìn)行排序產(chǎn)生最終的Top-k個(gè)企業(yè)收購關(guān)系。實(shí)驗(yàn)分別測試了6144個(gè)從Google返回的網(wǎng)頁，以及386818個(gè)從New York Times下載的網(wǎng)頁，實(shí)驗(yàn)結(jié)果表明了所提出算法的有效性。
　　 (2)提出了基于簡單模式生成算法的企業(yè)合作關(guān)系抽取方法。
　　 企業(yè)外部商業(yè)關(guān)系抽取過程中，首先通過

4、簡單模式“公司名+關(guān)系指示詞”來獲取數(shù)據(jù)集中存在的目標(biāo)關(guān)系候選句子，然而在合作關(guān)系抽取過程中發(fā)現(xiàn)手工輸入的簡單模式存在著候選句子識別率過低的問題。針對這一問題，本論文提出了基于聚類的簡單模式生成算法來自動(dòng)的生成模式，提高候選句子識別率，在此基礎(chǔ)上完成合作關(guān)系抽取。該算法引入了WordNet來獲取句子中的關(guān)鍵字信息，通過加入關(guān)鍵字權(quán)重信息來改進(jìn)傳統(tǒng)的TFIDF計(jì)算詞語權(quán)重的不足，并采用聚類的方法得到最優(yōu)簇，抽取最優(yōu)簇中滿足條件的關(guān)鍵字加入