半監(jiān)督中文實體關(guān)系抽取研究.pdf

1、隨著計算機的廣泛普及和互聯(lián)網(wǎng)的飛速發(fā)展,現(xiàn)實世界的信息呈指數(shù)級增長。一個需要迫切解決的問題就是如何從這些海量的信息中獲取出人們所需要的特定信息。關(guān)系抽取是信息抽取領(lǐng)域中一個重要的研究方向,自動識別出用自然語言表的兩個實體之間的關(guān)聯(lián)信息,例如“蒂姆·庫克是蘋果公司的首席執(zhí)行官”,人物實體“蒂姆·庫克”和組織機構(gòu)實體“蘋果公司”之間存在雇傭關(guān)系,即“蒂姆·庫克”是“蘋果公司”的雇員,擔任首席執(zhí)行官的職位。
　　 該文利用半監(jiān)督學習算

2、法進行中文關(guān)系抽取研究。為表征實體關(guān)系的實例,結(jié)合特征向量和樹核函數(shù)兩種方法:特征向量表征了實體關(guān)系的語言信息,而樹核函數(shù)表征了實體關(guān)系的結(jié)構(gòu)信息。采用自訓練、互訓練和標簽傳播半監(jiān)督學習算法進行中文關(guān)系檢測和類型識別。針對語料中存在缺失關(guān)系類型的問題,提出了基于半監(jiān)督學習的中文關(guān)系類型發(fā)現(xiàn)模型。下面針對中文關(guān)系檢測和識別與中文關(guān)系類型發(fā)現(xiàn)兩個角度進行深入的分析:
　　 1)利用半監(jiān)督學習方法進行中文關(guān)系檢測和類型識別。語料中非關(guān)

3、系實例所占的比例達到了95％。為了防止出現(xiàn)太多的噪音,首先進行關(guān)系檢測,過濾非關(guān)系實例,結(jié)合實體對上下文和對應(yīng)的詞性、兩個實體的類型和子類型以及兩個實體的位置關(guān)系等特征以及結(jié)構(gòu)化特征,利用自訓練、互訓練、標簽傳播算法等半監(jiān)督學習算法對候選關(guān)系實例進行關(guān)系檢測工作。然后利用對應(yīng)的半監(jiān)督學習算法在候選關(guān)系實例上進行關(guān)系類型識別。在ACE2005中文語料上的實驗結(jié)果顯示,在關(guān)系類型識別上半監(jiān)督學習算法取得了良好的效果。
　　 2)針對