開(kāi)放式中文實(shí)體關(guān)系抽取研究.pdf

1、實(shí)體關(guān)系是描述實(shí)體之間語(yǔ)義關(guān)系的重要途徑。實(shí)體關(guān)系抽取是信息抽取任務(wù)中的重要環(huán)節(jié),也有著廣泛的應(yīng)用前景。隨著Web2.0的迅猛發(fā)展,人們對(duì)實(shí)體關(guān)系抽取提出了新的要求,以適應(yīng)從快速增長(zhǎng)的海量互聯(lián)網(wǎng)文本中迅速準(zhǔn)確地獲取對(duì)用戶(hù)有價(jià)值的信息。
　　傳統(tǒng)的實(shí)體關(guān)系抽取需要預(yù)先定義關(guān)系類(lèi)型體系,然而定義一個(gè)全面的實(shí)體關(guān)系類(lèi)型體系是很困難的。開(kāi)放式實(shí)體關(guān)系抽取技術(shù)通過(guò)使用關(guān)系指示詞描述關(guān)系的方法解決了預(yù)先定義關(guān)系類(lèi)型體系的問(wèn)題,但是在中文上的研

2、究還比較少。因此,針對(duì)不同的應(yīng)用場(chǎng)景,本文提出了兩種不同的開(kāi)放式實(shí)體關(guān)系抽取方法,并且探索自動(dòng)構(gòu)建關(guān)系類(lèi)型體系的相關(guān)方法。
　　針對(duì)句子的開(kāi)放式實(shí)體關(guān)系抽取問(wèn)題,本文提出基于有指導(dǎo)的開(kāi)放式實(shí)體關(guān)系抽取方法。首先,制定開(kāi)放式實(shí)體關(guān)系抽取語(yǔ)料標(biāo)注規(guī)范,并且構(gòu)建開(kāi)放式實(shí)體關(guān)系抽取語(yǔ)料庫(kù);然后,通過(guò)分析語(yǔ)料中的語(yǔ)言現(xiàn)象,制定了先識(shí)別實(shí)體對(duì)和先識(shí)別關(guān)系指示詞兩套方法,并且設(shè)計(jì)了泛化能力強(qiáng)的特征抽取方案。在開(kāi)放式實(shí)體關(guān)系語(yǔ)料上測(cè)試的F值達(dá)到6

3、1.41％。
　　針對(duì)互聯(lián)網(wǎng)的開(kāi)放式實(shí)體關(guān)系抽取問(wèn)題,本文提出面向大規(guī)模網(wǎng)絡(luò)文本的無(wú)指導(dǎo)開(kāi)放式中文實(shí)體關(guān)系抽取(UnCORE:Unsupervised Chinese Open Entity Relation Extraction for the Web)方法,首先使用實(shí)體之間的距離限制和關(guān)系指示詞的位置限制獲取候選關(guān)系三元組,然后采用全局排序和類(lèi)型排序的方法來(lái)挖掘關(guān)系指示詞,最后使用關(guān)系指示詞和句式規(guī)則對(duì)候選關(guān)系三元組進(jìn)行過(guò)濾得

4、到最終的關(guān)系三元組。在獲取大量關(guān)系三元組的同時(shí),還保證了80%以上的微觀平均準(zhǔn)確率,滿(mǎn)足實(shí)用要求。
　　本文使用基于關(guān)系指示詞聚類(lèi)的方法自動(dòng)構(gòu)建關(guān)系類(lèi)型體系?；赗NN-LM的關(guān)系指示詞相似度計(jì)算方法和基于How Net的關(guān)系指示詞相似度計(jì)算方法,嘗試使用近鄰傳播聚類(lèi)算法和層次聚類(lèi)算法對(duì)關(guān)系指示詞進(jìn)行聚類(lèi)。在PER-PER實(shí)體對(duì)類(lèi)型的關(guān)系指示詞集合上實(shí)驗(yàn),平均F值最高達(dá)到64.25%。
　　最后,為了把本文的相關(guān)研究成果展示