地名本體實體與關系抽取研究.pdf

1、近年來，突發(fā)事件頻頻發(fā)生。應急管理的重要性越來越突出。應急管理的過程中涉及多方面數(shù)據(jù)的融合。如何快速、準確的提供相關的數(shù)據(jù)是急需研究的問題。隨著互聯(lián)網的發(fā)展，網絡上的數(shù)據(jù)呈指數(shù)級增長，這些數(shù)據(jù)中包含了很多應急管理需要的信息。地名信息是應急信息的核心支撐點。本文進行地名本體實體和關系抽取研究，抽取地名相關的實體和實體間的關系，為應急數(shù)據(jù)的抽取和語義化奠定核心基礎。
　　 實體和關系的抽取屬于自然語言處理中的命名實體識別和關系抽取。

2、目前主流的方法有基于規(guī)則的方法和基于機器學習的方法。本文在抽取的過程中根據(jù)原始文本中實體和關系的特點分別因地制宜地采取了基于規(guī)則和基于機器學習的方法。
　　 由于業(yè)界沒有建立好的地名領域抽取的語料庫，本文首先建立了地名本體抽取的實體體系和關系體系，然后根據(jù)抽取過程中關注的特征建立實體抽取和關系抽取所需要的語料，詳細介紹了語料庫構建的過程。對地名本體實體根據(jù)其在原始文本中出現(xiàn)的規(guī)律進行了分類，分別采用基于規(guī)則的方法和利用最大熵進行

3、機器學習的方法。首先總結了四類地名本體實體的抽取規(guī)則，然后對于其他的幾類地名本體實體，首先對機器學習過程中使用的特征進行了分析，基于標注的語料，利用最大熵進行了地名實體的抽取。對于關系的抽取，首先分析了關系的特點，采用基于特征向量的方法，利用SVM進行關系的抽取。根據(jù)語料的特點，提出了基于規(guī)則的方法抽取地名本體的關系。同時，分析了關系的特點，制定了相關的規(guī)則，從已有的關系出發(fā)，推導出隱含的關系，進一步豐富地名本體關系庫。