Web旅游文化挖掘中的實(shí)體關(guān)系抽取及知識(shí)鏈接系統(tǒng)構(gòu)建.pdf

1、隨著社會(huì)的不斷發(fā)展和工作壓力的不斷增加，旅游成為了人們釋放壓力和享受生活的一種方式。人們的文化程度越來越高，在觀光旅游時(shí)不僅尋求美麗的自然景觀，還期待著豐富的文化體驗(yàn)。Web中含有大量的文化旅游信息，包括自然景觀介紹、名人趣事、景點(diǎn)相關(guān)詩歌、電影等等。如何從雜亂的、無結(jié)構(gòu)的文本中識(shí)別和挖掘出游客們感興趣的文化信息，豐富景點(diǎn)的文化內(nèi)涵昵？利用信息抽取技術(shù)就可以提取到上述相關(guān)信息。本文從旅游文化挖掘的角度出發(fā)，對(duì)Web旅游信息文本進(jìn)行命名實(shí)

2、體識(shí)別和實(shí)體關(guān)系抽取，并將抽取的知識(shí)構(gòu)建成關(guān)系網(wǎng)絡(luò)（即知識(shí)圖譜）。
　　命名實(shí)體識(shí)別主要有基于規(guī)則和機(jī)器學(xué)習(xí)兩種方法?；跈C(jī)器學(xué)習(xí)的方法雖然有很好的統(tǒng)計(jì)基礎(chǔ)，但需要大量的人工標(biāo)注語料，且特征的好壞直接影響到性能。基本上，要是能夠設(shè)計(jì)制定出合適的規(guī)則，那基于規(guī)則的方法在效率和準(zhǔn)確性方面，都會(huì)比基于機(jī)器學(xué)習(xí)的方法更好。本文的Web旅游信息文本數(shù)據(jù)句型單一，內(nèi)容耦合度相對(duì)較高，且本文關(guān)注的5類實(shí)體均含有組合實(shí)體和泛指實(shí)體。但這5類實(shí)體在

3、詞、詞性組合和依存關(guān)系路徑上存在著共同點(diǎn)，如:動(dòng)詞只能作為修飾成分或者狀語成分出現(xiàn)在實(shí)體中;實(shí)體首部和尾部大都為名詞等等。因而，本文在對(duì)文本進(jìn)行分句、分詞、詞性標(biāo)注、依存句法分析和語義角色標(biāo)注后，結(jié)合詞、詞性組合和依存句法結(jié)構(gòu)提出了候選實(shí)體抽取算法，實(shí)驗(yàn)結(jié)果表明實(shí)體召回率能夠達(dá)到96％。然后，用實(shí)體后綴詞規(guī)則和機(jī)器學(xué)習(xí)的方法對(duì)實(shí)體進(jìn)行分類剪枝，最終性能F值能夠達(dá)到91％，基本上能夠識(shí)別和分類出所有的實(shí)體。
　　通過分析Web旅游文

4、本的句式特點(diǎn)，提出了最近句法依賴動(dòng)詞特征，并通過實(shí)驗(yàn)驗(yàn)證了其有效性。本文在命名實(shí)體識(shí)別的基礎(chǔ)上，對(duì)數(shù)據(jù)進(jìn)行二次處理，最后使用基于特征向量的機(jī)器學(xué)習(xí)方法進(jìn)行關(guān)系抽取。同時(shí)，為了尋求最優(yōu)特征，本文綜合了以往研究中提出的詞、句法和語義特征。本文一共進(jìn)行了14組實(shí)驗(yàn)對(duì)比，探討和分析了不同特征對(duì)關(guān)系抽取的影響，并找出了最適合Web旅游信息文本的特征。
　　為了更加豐富關(guān)系抽取的結(jié)果，本文設(shè)計(jì)了3條時(shí)間填充原則，為關(guān)系抽取的結(jié)果加入時(shí)間元組。