基于領(lǐng)域本體的Web實體事件抽取問題研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，Web已經(jīng)成為一個擁有海量數(shù)據(jù)且在不斷增長的信息源。由于Web頁面具有無結(jié)構(gòu)性、多樣性和動態(tài)變化性等特點，人們很難從Web上獲取真正感興趣的信息。從海量的Web頁面中準確獲取全面的人們所關(guān)心實體的事件信息，為市場情報分析、電子商務以及輿論分析等應用提供支持，成為了目前的熱點研究問題。Web信息抽取技術(shù)面向大規(guī)模的Web數(shù)據(jù)，將抽取出的無結(jié)構(gòu)或半結(jié)構(gòu)化的數(shù)據(jù)轉(zhuǎn)換成結(jié)構(gòu)化的數(shù)據(jù)，為人們提供了有效獲取信息的途徑。

2、r>　　基于本體的Web信息抽取是一種將本體以及信息抽取相結(jié)合的技術(shù)。充分利用本體對特定領(lǐng)域描述信息的Web信息抽取技術(shù)表現(xiàn)出了很大的優(yōu)勢，提高了信息抽取的準確率。如何良好地構(gòu)建面向特定領(lǐng)域的本體，以及如何充分發(fā)揮本體的作用進行Web信息抽取的問題有待解決。本文以市場情報領(lǐng)域為背景，針對基于領(lǐng)域本體的Web實體事件抽取的問題展開了相關(guān)工作，主要貢獻概況如下:
　　(1)在分析現(xiàn)有的本體構(gòu)建方法基礎(chǔ)上，提出了適用于特定領(lǐng)域的本體構(gòu)建

3、方法，有效降低領(lǐng)域?qū)＜业膮⑴c程度，從而提高構(gòu)建效率。在該方法的指導下，通過借鑒電子商務網(wǎng)站的知識和復用現(xiàn)有本體，本文構(gòu)建了市場情報領(lǐng)域本體。針對實體間關(guān)系會隨時間變化的問題，本文提出了動態(tài)實體關(guān)系模式。
　　(2)改進了基于本體的Web實體事件抽取框架，充分利用了本體中豐富的概念、實例和關(guān)系。結(jié)合本體中事件結(jié)構(gòu)的特點，本文在進行事件抽取時采用分類的策略，首先將句子按照事件類別進行分類，然后根據(jù)不同的事件抽取模板結(jié)合抽取規(guī)則進行事件