基于Bootstrapping方法的校友識(shí)別問題研究與應(yīng)用.pdf

1、大學(xué)校友是高校擁有的巨大潛能的人力資源，是學(xué)校的寶貴財(cái)富，是學(xué)校良好聲譽(yù)的創(chuàng)造者，也是學(xué)校進(jìn)一步發(fā)展的重要資源，得到了越來(lái)越多的重視。然而目前校友資源的管理手段落后，不能夠滿足人們對(duì)校友資源利用的需求。
　　 互聯(lián)網(wǎng)中所包含大量由自然語(yǔ)言所表述的信息，其中包含了豐富的校友信息以及最新動(dòng)態(tài)。然而對(duì)于計(jì)算機(jī)來(lái)說處理這些非結(jié)構(gòu)化的信息是困難的，信息抽取領(lǐng)域中的相關(guān)方法提供了將文本內(nèi)容轉(zhuǎn)換為結(jié)構(gòu)化知識(shí)的途徑。如何在大量的信息中正確的識(shí)別

2、出校友面臨著以下幾個(gè)問題：互聯(lián)網(wǎng)中的信息是海量的且結(jié)構(gòu)復(fù)雜，互聯(lián)網(wǎng)中的實(shí)體以及實(shí)體之間的關(guān)系是復(fù)雜的且沒有標(biāo)識(shí)。
　　 本文的工作就是要在大量的互聯(lián)網(wǎng)信息中將正確的校友識(shí)別出來(lái)。而校友識(shí)別問題就是人和學(xué)校關(guān)系的抽取，關(guān)系抽取作為信息抽取領(lǐng)域的一個(gè)方法能夠很好的解決本文中的校友識(shí)別問題。
　　 首先，本文將校友識(shí)別問題抽象為關(guān)系抽取的問題，即對(duì)人名和學(xué)校名之間的關(guān)系進(jìn)行抽取。同時(shí)采用了關(guān)系抽取中的的基于SVM的監(jiān)督學(xué)習(xí)的方

3、法和基于Bootstrapping的半監(jiān)督學(xué)習(xí)方法來(lái)進(jìn)行校友的識(shí)別。兩種方法都能夠解決校友識(shí)別的問題，具有比較理想的準(zhǔn)確率和召回率。而Bootstrapping方法由于只需要少量的訓(xùn)練數(shù)據(jù)，因此比監(jiān)督學(xué)習(xí)的方法更加適合處理大數(shù)據(jù)量的信息。
　　 其次，由于傳統(tǒng)的方法對(duì)單一的關(guān)系比較有效，而校友關(guān)系包含了多個(gè)子關(guān)系。本文針對(duì)這一問題，提出了改進(jìn)的兩階段Bootstrapping方法來(lái)更好的解決校友識(shí)別問題，該方法通過對(duì)第一階段產(chǎn)生