基于事件框架的主題相關文檔智能檢索研究與實現(xiàn).pdf

1、網(wǎng)絡的飛速發(fā)展使得對高質(zhì)量的Web 文本信息檢索的需求變得空前的迫切。 而要提高檢索系統(tǒng)的性能，除了改進和提高檢索方法的性能，還必須加強對主題相關信息的收集和加工，以獲得有效的檢索資源。本文對面向用戶興趣文檔的主題相關信息的智能檢索進行了研究，其宗旨是進一步提高Web 信息檢索的服務質(zhì)量，主要內(nèi)容包括事件相關文檔的檢索和事件重要信息的抽取與集成。取得了以下一些研究成果： 第一、提出了一種自動獲取事件框架的方法。首先，建立

2、災難性事件的統(tǒng)一框架；然后在統(tǒng)一框架的基礎上使用BootStrapping 方法獲取關鍵詞；最后通過對相關句子進行聚類得到最終的框架知識結構。將框架應用到與主題相關檢索有效地降低其他事件的干擾，使事件相關文檔的檢索性能明顯提高。 第二、實現(xiàn)了一個事件關鍵信息的抽取與集成系統(tǒng)，本系統(tǒng)具有如下特色：（1）在進行事件抽取時，首先利用句型模板構造抽取規(guī)則，然后直接從經(jīng)過基本短語識別、時間短語和空間短語識別和規(guī)范化處理的文本中抽取事件信息

3、，從而跳過了深層句法分析，降低了實現(xiàn)系統(tǒng)的難度；（2）利用框架間的相似性，提高資源重用度。（3）利用事件的規(guī)范化的時空信息關聯(lián)不同文檔中的同一事件，實現(xiàn)了事件合并，并提出按時間流順序的線索性文件抽取的輸出方式。 第三，系統(tǒng)地分析了中文機構名的特點與命名實體識別在機構名識別上的諸多難點，提出統(tǒng)計和規(guī)則相結合的中文機構名識別法。即采用統(tǒng)計的方法在訓練語料庫中獲取機構名知識庫，然后根據(jù)機構名特點設計了機構名識別的規(guī)則。在統(tǒng)計與規(guī)則的結合