文本的實體關(guān)系抽取及其可視化研究.pdf

1、實體關(guān)系抽取是指自動識別非結(jié)構(gòu)化文本中兩個實體之間的關(guān)聯(lián)，是信息抽取的一個重要研究內(nèi)容。信息可視化是利用計算機技術(shù)將信息轉(zhuǎn)化為視覺形式的技術(shù)，以充分利用人的感知能力去觀測、瀏覽、識別和理解信息。本文將實體關(guān)系抽取與信息可視化相結(jié)合，作為本文研究的對象，實體關(guān)系抽取為信息可視化提供信息，信息可視化則直觀地表達出實體關(guān)系抽取的結(jié)果。 本文在目前實體關(guān)系抽取的研究背景和技術(shù)現(xiàn)狀的基礎(chǔ)上，使用基于特征向量的機器學(xué)習(xí)方法對中文實體關(guān)系抽取

2、進行研究，該方法將實體關(guān)系抽取作為一個分類問題。在機器學(xué)習(xí)方法方面，由于支持向量機SVM具有嚴(yán)格的數(shù)學(xué)理論基礎(chǔ)、直觀的幾何解釋和良好的泛化能力，因此本文選擇了SVM作為分類器。在特征向量構(gòu)造方面，本文從實體對的上下文特征、實體特征、詞匯特征三方面進行研究，重點引入上下文詞語信息增益權(quán)重特征和核心詞語相似度權(quán)重特征，以增加特征向量的區(qū)分度。針對SVM分類器多分類方面的不足，本文將實體關(guān)系抽取問題分解為多個規(guī)模較小的問題，減少了SVM分類器

3、學(xué)習(xí)和預(yù)測的類別數(shù)量和計算量。針對標(biāo)注語料庫不足的問題，本文引入自擴展的方法，半自動擴展未標(biāo)注語料庫，同時該方法也為詞語相似度的計算提供核心詞集。 本文在實體關(guān)系抽取研究的基礎(chǔ)上，結(jié)合信息可視化的模型，研究了文本內(nèi)容可視化和實體關(guān)系可視化的方法。在文本內(nèi)容可視化方面給出了顏色圖的可視化方法。在實體關(guān)系可視化方面則將實體關(guān)系看作一個網(wǎng)絡(luò)圖結(jié)構(gòu)，提出了建立可視化結(jié)構(gòu)和可視化映射的方法，并采用力向?qū)惴▽W(wǎng)絡(luò)圖進行自動布局。同時，本文