基于淺層分析的量化關(guān)系抽取方法研究.pdf

1、面對(duì)數(shù)字化、網(wǎng)絡(luò)化、大數(shù)據(jù)時(shí)代的海量信息資源，現(xiàn)有的信息抽取工具還不能有效地獲取和發(fā)現(xiàn)信息之間內(nèi)在的知識(shí)價(jià)值。國(guó)內(nèi)外信息抽取技術(shù)的出現(xiàn)，將大批量的未分類(lèi)的文本信息自動(dòng)轉(zhuǎn)化成結(jié)構(gòu)化的信息成為可能。作者在經(jīng)過(guò)大量的語(yǔ)料分析和技術(shù)方法研究的基礎(chǔ)上，針對(duì)現(xiàn)階段國(guó)內(nèi)外實(shí)體關(guān)系信息系統(tǒng)的發(fā)展現(xiàn)狀，提出了一種中文實(shí)體關(guān)系抽取的解決方案:定義可量化的實(shí)體關(guān)系，開(kāi)發(fā)一整套抽取可量化實(shí)體關(guān)系的框架，并利用和改進(jìn)成熟的英文信息抽取系統(tǒng)GATE，結(jié)合國(guó)內(nèi)成熟的

2、分詞和詞性標(biāo)注工具ICTCLAS，實(shí)現(xiàn)了高準(zhǔn)確率和召回率的可量化的實(shí)體關(guān)系抽取。
　　本文重點(diǎn)提出解決中文信息抽取的3個(gè)重點(diǎn)環(huán)節(jié)，分別是中文分詞和詞性標(biāo)注問(wèn)題、可量化實(shí)體關(guān)系庫(kù)的定義以及構(gòu)建方法和量化實(shí)體關(guān)系庫(kù)的系統(tǒng)化實(shí)現(xiàn)方案。除了運(yùn)用ICTCLAS解決中文分詞難的問(wèn)題外，作者提出實(shí)體關(guān)系進(jìn)行領(lǐng)域分類(lèi)和量化屬性的分類(lèi)方法，并針對(duì)中文實(shí)體的特點(diǎn)編制了3類(lèi)常見(jiàn)的實(shí)體關(guān)系模式的規(guī)則來(lái)獲取海量的可量化實(shí)體關(guān)系集。
　　系統(tǒng)實(shí)現(xiàn)后，作