基于特征向量的實(shí)體間語(yǔ)義關(guān)系抽取研究.pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展和廣泛運(yùn)用，大量的信息以非結(jié)構(gòu)化電子文本的形式出現(xiàn)在人們面前。為了更好地獲得這些非結(jié)構(gòu)化信息，信息抽取應(yīng)運(yùn)而生。信息抽取，就是從自然文本中提取出預(yù)先指定好的信息，并給出該信息的結(jié)構(gòu)化描述。其中，實(shí)體關(guān)系抽取作為信息抽取研究中的一個(gè)重要課題，它的基本任務(wù)是識(shí)別并判定實(shí)體對(duì)之間存在的特定關(guān)系，目前主要的抽取技術(shù)為基于特征向量和基于核函數(shù)的機(jī)器學(xué)習(xí)算法。實(shí)體關(guān)系抽取研究的意義在于它與信息過(guò)濾、信息檢索和問(wèn)答系統(tǒng)有直接的關(guān)聯(lián)

2、，并且作為一項(xiàng)基礎(chǔ)性研究，它對(duì)于內(nèi)容理解、語(yǔ)境生成、自動(dòng)文摘、機(jī)器翻譯、文本分類(lèi)以及信息過(guò)濾等都有重要的研究意義。
　　本文針對(duì)基于特征向量的實(shí)體關(guān)系抽取中涉及的兩個(gè)主要問(wèn)題(特征選取和特征選擇)進(jìn)行了研究，具體內(nèi)容包括以下兩方面：
　　1.提出了基于語(yǔ)義角色特征的實(shí)體關(guān)系抽取方案。
　　基于特征向量的實(shí)體關(guān)系抽取本質(zhì)上是將實(shí)體關(guān)系抽取問(wèn)題轉(zhuǎn)化為分類(lèi)問(wèn)題，即先定義好幾個(gè)關(guān)系類(lèi)型，然后將實(shí)體對(duì)之間的關(guān)系分類(lèi)到預(yù)定義的關(guān)系

3、類(lèi)型。目前實(shí)體關(guān)系抽取常用的特征有實(shí)體及其上下文特征、動(dòng)詞特征、距離特征、實(shí)體擴(kuò)展特征等，然而實(shí)體間關(guān)系的判別是語(yǔ)義層面的，不能僅依賴(lài)于詞語(yǔ)層面。因此本文提出了基于語(yǔ)義角色的實(shí)體關(guān)系抽取方案，該方案在常用特征的基礎(chǔ)上新加入了語(yǔ)義角色特征。由于語(yǔ)義角色的標(biāo)注代表了句子的淺層語(yǔ)法結(jié)構(gòu)，它不僅暗示了謂詞和謂詞框架中其它詞語(yǔ)之間的語(yǔ)義關(guān)系，還暗示了謂詞的不同成分之間的語(yǔ)義關(guān)系。因此，包含了豐富信息的語(yǔ)義角色特征，將有助于區(qū)分不同實(shí)體間的關(guān)系類(lèi)型

4、，進(jìn)而在一定程度上提高實(shí)體關(guān)系抽取結(jié)果。
　　2.提出了基于特征選擇的實(shí)體關(guān)系抽取方案。
　　在文本分類(lèi)問(wèn)題中，特征空間維數(shù)一般能達(dá)到幾萬(wàn)或者幾十萬(wàn)維，這樣的高維空間一方面將使得訓(xùn)練分類(lèi)模型以及預(yù)測(cè)結(jié)果的時(shí)間開(kāi)銷(xiāo)大大提高，另一方面還可能由于引入了一些不必要的特征而使得抽取分類(lèi)有所降低。針對(duì)上述問(wèn)題，人們已經(jīng)進(jìn)行了長(zhǎng)時(shí)間的研究，并且取得了一定成果。在基于特征向量的實(shí)體關(guān)系抽取問(wèn)題中，也存在類(lèi)似的問(wèn)題，即過(guò)高的特征空間增加了關(guān)系