基于位置和語(yǔ)義特征的中文命名實(shí)體關(guān)系抽取研究.pdf

1、命名實(shí)體關(guān)系是構(gòu)建語(yǔ)義網(wǎng)絡(luò)、本體和語(yǔ)義Web的基礎(chǔ)，并且廣泛應(yīng)用于信息檢索、機(jī)器翻譯以及自動(dòng)問(wèn)答等系統(tǒng)中。在命名實(shí)體關(guān)系抽取研究中，特征選擇和特征抽取是兩個(gè)關(guān)鍵問(wèn)題。位置特征擁有良好的可計(jì)算性和可操作性，同時(shí)語(yǔ)義特征具有較強(qiáng)的可理解性和現(xiàn)實(shí)性。目前，中文命名實(shí)體關(guān)系抽取主要采用空間向量模型、傳統(tǒng)語(yǔ)義計(jì)算或支持向量機(jī)等方法。上述三種方法均是單一地使用位置特征或語(yǔ)義特征，沒(méi)能將兩種特征進(jìn)行合理而有效地結(jié)合，因此抽取效果均不夠理想。
　

2、　 為了提高中文命名實(shí)體關(guān)系抽取的效果，本文提出了一種基于位置特征和語(yǔ)義特征相結(jié)合的關(guān)系抽取算法LaSE(Location and Semantic Extraction)。本文的主要工作如下：
　　 （1）在確保關(guān)系抽取效果的前提下，LaSE 算法靈活地運(yùn)用詞語(yǔ)的詞性識(shí)別命名實(shí)體，替代了傳統(tǒng)抽取方法需要人工提供的命名實(shí)體表。一方面，這一改進(jìn)大大地減少了人工參與；另一方面，詞性是一個(gè)與領(lǐng)域無(wú)關(guān)的概念，不會(huì)引入任何領(lǐng)域知識(shí)。

3、r>　　 （2）本文中，采用基于詞語(yǔ)間相對(duì)距離的信息增益來(lái)刻劃位置特征，使用基于泛本體《知網(wǎng)》的語(yǔ)義相似度計(jì)算來(lái)抽取語(yǔ)義特征。通過(guò)位置特征和語(yǔ)義特征的結(jié)合，能很好地適應(yīng)中文實(shí)際情況。大量實(shí)驗(yàn)證明：LaSE 算法的抽取效果明顯高于單一使用位置特征或語(yǔ)義特征的抽取算法。
　　 （3）LaSE 算法僅需要提供少量的關(guān)系種子就能自動(dòng)抽取目標(biāo)關(guān)系的關(guān)系實(shí)例，是一種半監(jiān)督學(xué)習(xí)算法；算法不需要任何領(lǐng)域知識(shí)，具有良好的領(lǐng)域獨(dú)立性，從一個(gè)領(lǐng)域移