基于特征向量的實體間語義關系抽取研究.pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展和廣泛運用，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，信息抽取應運而生。信息抽取，就是從自然文本中提取出預先指定好的信息，并給出該信息的結(jié)構(gòu)化描述。其中，實體關系抽取作為信息抽取研究中的一個重要課題，它的基本任務是識別并判定實體對之間存在的特定關系，目前主要的抽取技術為基于特征向量和基于核函數(shù)的機器學習算法。實體關系抽取研究的意義在于它與信息過濾、信息檢索和問答系統(tǒng)有直接的關聯(lián)

2、，并且作為一項基礎性研究，它對于內(nèi)容理解、語境生成、自動文摘、機器翻譯、文本分類以及信息過濾等都有重要的研究意義。
　　本文針對基于特征向量的實體關系抽取中涉及的兩個主要問題(特征選取和特征選擇)進行了研究，具體內(nèi)容包括以下兩方面：
　　1.提出了基于語義角色特征的實體關系抽取方案。
　　基于特征向量的實體關系抽取本質(zhì)上是將實體關系抽取問題轉(zhuǎn)化為分類問題，即先定義好幾個關系類型，然后將實體對之間的關系分類到預定義的關系

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

4、，進而在一定程度上提高實體關系抽取結(jié)果。
　　2.提出了基于特征選擇的實體關系抽取方案。
　　在文本分類問題中，特征空間維數(shù)一般能達到幾萬或者幾十萬維，這樣的高維空間一方面將使得訓練分類模型以及預測結(jié)果的時間開銷大大提高，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有所降低。針對上述問題，人們已經(jīng)進行了長時間的研究，并且取得了一定成果。在基于特征向量的實體關系抽取問題中，也存在類似的問題，即過高的特征空間增加了關系